零样本模型竟能赢线性模型，六个数据集PK 5胜1平

作 者：老余捞鱼

原创不易，转载请标明出处及原作者。

文中示例仅用于技术讨论，不构成任何操作建议。
量化策略开发应以学习和技术交流为目的。
本号不荐股、不卖课、不承诺收益。
市场有风险，请合法合规投资。

本文约 3050 字 | 预计阅读 8 分钟。

先看一场PK。

一边是 SearchCast，一篇把线性回归调到极致的论文。另一边是 Datadog 的 Toto-2，一个零样本（zero-shot）时序基础模型。

零样本翻译成大白话，就是下载权重，喂数据，读结果，中间一步训练都没有。

比分 5 胜 1 平 0 负。赢的是零样本这边。

我原本以为这标题是标题党。翻完代码和结果表，我想说的还得再说一遍。

比分之外有两样更值钱的东西。一样是省算力的抽窗法，一样是一处引用口径的猫腻。

数字是归一化 MSE，越低越好。两边在完全相同的测试窗口上算分。赢得干净的有 3 个，ETTh1、ETTm1、Exchange。另外 2 个赢在噪音范围内，ETTh2 打平。

差距不算碾压，最大的一处只有 0.029。但两边的前提差得远。SearchCast 在每个数据集上单独搜参，六场比武各穿一件定制盔甲。Toto-2 权重固定，从没见过这些数据，称完重直接上场。

看到这儿我停了一下。不是因为它反常识，是因为这场景我熟。

电网调度、云主机扩容、电商备货，背后全是时序预报在扛。模型选错一层，多烧的都是真金白银。这场对决把一个老问题重新摆上台面，简单的模型和庞大的模型，到底该怎么选。

一、SearchCast 是什么

SearchCast 拆开看其实很朴素。

它的基本单元是 Ridge 回归，一种带正则化的线性回归，有闭式解。训练不走梯度，没有反向传播这一说。

我盯着它的架构图看了半天，越看越简单。通道独立，每条序列各算各的。要往前推的 720 步不一口气做完，切成 15 片，每片 48 步，一片一个小模型。每个数据集还要单独搜参，历史窗口多长，正则加多重，一个个试，谁的成绩好用谁。

最让我意外的是它没装的东西。没有季节项，没有差分，没有日历特征。经典时序模型赖以生存的手工零件，一个都没有。就是最裸的过去值映射未来值。

就这。它还在六个公开基准上跟调满配置的 Transformer 打得有来有回。

这种事我自己也栽过。之前测过一套多模型赛跑的方案，六个花哨模型一起上，最后经常跑赢的反而是最朴素的那个。当时我是有点想不通的。同样的道理，SearchCast 干脆做到了极致，全用线性，把功夫全花在搜参上。

一堆线性回归逼平 Transformer。这件事值得整个领域想一阵子。

二、Toto-2 是什么

Toto-2 是 Datadog 出的时序基础模型。GIFT-Eval 榜单上排在基础模型第一梯队。

它跟 SearchCast 是两个物种。SearchCast 换一个数据集，就要重搜一轮参数。Toto-2 什么都不搜，权重出厂那天就固定了，数据来了直接出结果。它还是原生多变量，通道之间信息天然互通。这个特点后面会变成胜负手。

读完这段我第一反应是，这不公平。

这场评测里，它跑在 CPU 上，float32 精度，官方发布版原样加载。没有微调，没有为任何数据集单独开过的开关。

三、一场公平的PK

比武最怕规则偏心。

这场评测的方法论我拆了一遍，三个细节我当场抄了下来。

第一，配对比较。两个模型在完全相同的测试窗口上算分。窗口对窗口，误差对误差，谁也挑不到更好算的窗口。

第二，均值不是中位数。这个坑最隐蔽。Toto-2 输出的是一串分位数，中位数是它的默认点位。坑就在这。中位数让 MAE 最小，这套基准算的是 MSE，让 MSE 最小的是均值。评测者从分位数分布里把均值估了出来。细节看着偏门，用错了整场对比直接作废。

第三，256 个窗口省下几天算力。这个最实在。预报长度 720 步的设定下，ETTh1 的测试段要滚出 2161 个窗口。全量扫一遍，2.5B 的多变量模型在一个数据集上就要跑 14 个小时。六个数据集跑完，按天计。评测者先验证了一件事，均匀抽 256 个窗口，算出的平均误差与全量的差距，落在噪音底以下。几天的算力缩成一个下午，答案不变。

四、PatchTST 的数字有水分

论文里最提气的结论，是线性模型把最强 Transformer 基线 PatchTST 甩开一大截。

我把基线出处一个个核对过去，翻到这张表的时候，人是懵的。这页不干净。

论文声称非线性基线引用自各家原始文献。三个大数据集确实如此。Weather、Electricity、Traffic 用的是 PatchTST 自己发表的成绩，回看窗口 512，完整实力。四个 ETT 数据集填的却是回看 96 的弱版本，数字来自后来论文的转述。两个版本的 PatchTST 坐在同一列里，读表的人看不出来。

一样的列名，一样的表格格式，两个回看窗口不同的模型并排坐着。扫一眼是看不出差别的。

我核对完又回头看了一遍，确认不是我看错。

把完整成绩换回去，局面就变了。SearchCast 在 ETT 上的领先，从大幅甩开缩到 0.007 与 0.019 之间。ETTh2 和 Traffic 两行，被 PatchTST 直接反超。

判定还挺公道。这不像是故意美化。强者的完整数字，恰好用在强者打平或赢下的数据集上，更像收集基线时的口径混乱。无心之失，但影响实打实。线性模型吊打 Transformer 的画面，一多半是借来的弱数字画出来的。

这页值得每个做研究的人记一笔。基线数字从哪来，用什么配置跑出来，这个问题翻车起来悄无声息。顺手就可以自查，手头对照实验里的基线列，你真的知道它是拿什么配置跑出来的吗。

五、通道一多，画风就变

Electricity 有 321 条通道，Traffic 有 862 条，是六个数据集里最大的两个。也恰好是 SearchCast 对 Transformer 战绩最差的两个。一个打平，一个输。

这个巧合我一开始没想通，去查了才明白。

通道之间高度相关通道之间高度相关，谁能跨通道共享信息，谁就占便宜。SearchCast 通道独立，天然吃亏。

Toto-2 的多变量是娘胎里带的。受内存限制，评测者只跑动了最小的 22m 版本。就这样，Electricity 上已经领先，0.1578 对 0.1593。Traffic 上基本追平，0.4051 对 0.404。

注意，这两块是 SearchCast 自己最强的地盘。它在自己的强项上，被一个不训练的模型追平了。

更大的版本还没上场，这笔账得留着。

六、我们能学的三点

第一，上下文默认给长。Toto-2 的误差随历史窗口拉长往下走，一路测到 2048 步。例外也明确。稀疏序列上，长窗口灌进来的多是空白，反而稀释近期信号。1000 步以内的短窗口经常更好。默认长，数据稀就短。

第二，强基线永远是第一道题。SearchCast 输了，但它作为基线的价值一点没掉。一堆 Ridge 回归，就能跟精调 Transformer 掰手腕。以后见到任何新模型，我先让它跟这种级别的基线过一招。过不了，我会先怀疑自己的评测。

第三，零样本的比分别直接搬进金融市场。电力、天气这类数据规律性强，信噪比高。金融时序的信噪比低得多，零样本优势能不能在行情数据上复制，这份评测没给答案。真正通用的是方法论那一层。配对窗口，均值与中位数的取舍，抽窗验证，基线口径核对。这套纪律放在哪个数据上都成立。 这一条我自己是有切身的体会。行情数据的涨跌基准率常年贴着五五开，任何模型在金融数据上挤出来的超额，往往就零点几个百分点，一个窗口抽歪了都能把它抹掉。零点几个百分点，我见过太多次了。所以在金融数据面前，这套评测方法比评测结论更值钱。

这场对决看完，最值钱的启发是先跑强基线又被证明灵了一次。一堆线性回归先把注意力拉回基线，然后一个不训练的模型又提醒了所有人天外有天。

我自己的做法会更简单一点。下次拿到新模型，先花半天跟朴素基线比一比，别急着调结构。

留个问题。你手头的模型，最近一次跟 Ridge 或朴素基线正经比过一场吗？什么时候？

觉得有用的话，把这篇转给同样在搞时序建模的朋友。

#时间序列 #线性模型 #零样本模型 #时序基础模型 #Ridge回归 #模型评测 #PatchTST #Toto2 #机器学习 #量化研究 #AI工具实测 #基线对照

本文比分与表格数字来自公开评测仓库 GitHub nkafr/SearchCast（toto_M256_run）及论文 arXiv 2606.27282、2605.20119，评测时间 2026-10，本文不构成任何投资建议。