MAPS：模型无关的多变量时间序列可预测性量化

该研究提出模型无关的 Multivariable Predictability Score（MAPS），用于量化多变量时间序列预测任务的内在可预测性。MAPS利用协变量信息，覆盖不同回看窗口和预测跨度，并在合成与真实世界数据集上与6种基线指标比较；合成数据中与预期参考可预测性的相关系数为r=0.963。实验结果显示，MAPS在多数实验配置下给出更可靠的预测性评估，代码已公开。