← 返回 PaperDaily 大模型与智能体

流感预测大PK：17个模型“华山论剑”，混合专家模型夺冠！

流感预报影响万千人健康，从ARIMA到PatchTST再到各种大模型，谁才是预测流感传播的“预言帝”？弗吉尼亚大学这篇论文，用17个模型在真实场景下进行了1-4周预测大PK。结果很有意思：混合专家模型稳居C位，而用大语言模型做时间序列预测，这次表现真是不太能打... 一起来看看到底谁是C位，谁又该回炉重造吧。

龙哥读论文 阅读 3 查看原文
#AI应用 #预测模型 #模型架构
流感预测大PK：17个模型“华山论剑”，混合专家模型夺冠！
🐉 龙哥读论文知识星球来了！
公众号每日8篇拆解不够看？星球无上限更AI领域论文、资讯、招聘、招博、开源代码，一站式干货，每日2分钟刷完即赚！ 👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～ xingqiu_header
龙哥导读：
流感预报影响万千人健康，从ARIMA到PatchTST再到各种大模型，谁才是预测流感传播的“预言帝”？弗吉尼亚大学这篇论文，用17个模型在真实场景下进行了1-4周预测大PK。结果很有意思：混合专家模型稳居C位，而用大语言模型做时间序列预测，这次表现真是不太能打... 一起来看看到底谁是C位，谁又该回炉重造吧。

原论文信息如下：
原文链接:
https://arxiv.org/pdf/2606.19560v1.pdf
论文标题:
Understanding Key Features of Time Series Foundation Models from Epidemic Forecasting
发表日期:
2026年06月
发表单位:
美国弗吉尼亚大学（University of Virginia）
开源代码链接:
https://github.com/alireza-jafari/Epidemic-Times-Series-Foundation-Models-Benchmark
好的，龙哥这就给你安排上！ ---

流感预测的“幕后英雄”：时间序列基础模型，谁在C位？

流感每年冬天来势汹汹，提前1-4周精准预测传播趋势，能帮助公共卫生部门提前布局疫苗、调配资源。传统方法如ARIMA或SIR模型，面对复杂现实常力不从心。深度学习，尤其是各种“基础模型”在时间序列预测上大放异彩，但它们能否搞定流感预测这种硬核任务？弗吉尼亚大学团队搞了一场大规模模型PK赛，为我们揭晓了答案。
图1：区域流感预测数据概览
图1：区域流感预测数据概览。展示了HHS的10个区域划分（a），以及各区域每周流感住院数据（b）和ILI数据（c），是评估模型的核心数据。
这场PK不仅是比拼精度，更是对时间序列基础模型在公共卫生领域实战能力的全面摸底。先捋一捋专业术语：时间序列基础模型先在大量多样数据上预训练，再针对特定任务微调，代表有PatchTST（将序列分割成“块”处理）和iTransformer（将每个变量视为token）。还有用大语言模型（LLM）做预测的思路，如Time-LLM和Chronos，把数字序列“翻译”成语言处理。本文王牌选手是MultiFoundationCore（MFC），基于混合专家（MoE）思想，集合多个预训练模型再融合，是本次比赛的关键。

时空双考验：17个模型同台PK，谁是流感预测的真王者？

研究者设计了两个高难度考验：时间泛化（用过去数据预测未来）和空间泛化（跨地域迁移预测）。评估标准用均方误差（MSE）越小越好，和归一化纳什-萨克利夫效率（NNSE）越接近1越完美。
先看时间泛化结果（表I），17个模型在1-4周ILI预测上展开“华山论剑”。
表I：在ILI数据上的时间泛化评估结果，1-4周预测。MSE越小越好，NNSE越接近1越好
表I：在ILI数据上的时间泛化评估结果（1-4周）。“Type”列F代表基础模型，P代表模式模型，S代表统计模型。
冠军阵营：MFC独领风骚。MFC以平均MSE=0.382，NNSE=0.864的绝对优势夺冠，像经验丰富的智囊团给出最稳定预测。
第二梯队：数值Transformer模型稳健。PatchTST和iTransformer表现亮眼，预训练后性能显著提升，说明学到了通用时序知识。
垫底阵营：LLM风格模型遭遇“滑铁卢”。Chronos、Time-LLM等NNSE普遍在0.78左右，远低于数值模型，处理连续数值信号“水土不服”。
从折线图（图2）可更直观看到各模型预测曲线与真实值的拟合程度。
图2：在ILI数据上的时间泛化评估。对10个区域的归一化预测总和，比较模型预测值与真实观测值。
图2：MFC模型（蓝色实线）预测曲线与真实值（黑色点线）拟合度极高，尤其在峰值预测上显著优于其他模型。
再看空间泛化结果，考验模型“地理迁移”能力。
表IV：在ILI数据上的空间泛化评估结果，1-4周预测。
表IV：空间泛化评估结果。所有模型MSE显著高于时间泛化，跨地域预测难度极大。冠军MFC依然表现最好，PatchTST和iTransformer也相当稳健，说明学到的“底层规律”跨地域通用。

混合专家(MoE)模型夺冠：集成预训练模型为何能“1+1>2”？

MFC核心思想是“博采众长”。不同预训练模型各有所长，如用住院数据预训练的模型对严重程度敏感，用M4数据集预训练的模型对季节性和趋势把握更准。MFC像总指挥，把专家们的初步预测拿过来，通过可学习融合模块自动分配权重，得到更稳定准确的预测。这也解释了纯数值Transformer模型虽强，但MFC能汇聚多源智慧实现1+1>2。从表I还看到，预训练带来的提升在更长预测周期（第3、4周）上更明显，说明通用“常识”在不确定未来推断中格外宝贵。

LLM模型滑铁卢？为何语言大模型在流感预测中表现不佳？

关键问题在于“结构性不匹配”。第一，语言由离散符号构成，而传染病数据是连续数值，量化离散化会造成信息损失。第二，将数值映射为“文本原型”等操作引入额外噪声，对捕捉微小变化的短期任务是致命伤。第三，LLM模型缺乏对辅助信号（如住院数据）的本地支持，而MFC和数值Transformer天生支持多变量输入，这也是胜出原因。
插图
论文还分析了预训练数据的影响。下表展示了PatchTST使用不同预训练数据后的表现。
表VI：将住院数据作为相关域信号时的ILl时间泛化评估结果。展示了使用不同年份数据以及是否加入住院数据预训练/输入时的平均MSE和NNSE。
表VI：将住院数据作为相关域信号时的ILI时间泛化评估。住院数据作为预训练语料或输入特征，都能提升预测精度，尤其在历史数据不足（仅3年）时提升显著。这证明引入机制上更相关的辅助信号是有效手段，也解释了MFC这类融合多源信息的模型更具优势。

新思路启发：探索机制对齐与多源融合的下一站

这篇论文用扎实实验告诉我们：在流感预测上，数值继承者实力远超语言侵入者。启发有三：第一，模型设计要与任务“机制对齐”，不能盲目追求“大”和“热”。第二，预训练数据选择至关重要，与目标任务最相关的数据提升最显著。第三，多源信息融合是提升鲁棒性的关键，MFC的成功证明了“团结就是力量”。

龙迷三问

下面是龙哥对大家可能问题的解答：

问：文中的MSE和NNSE具体怎么理解？MSE即均方误差，是预测值与真实值之差的平方的平均值，越低越准。NNSE即归一化纳什-萨克利夫效率，取值范围0到1，1表示完美预测，0.5表示模型表现等同于直接用历史平均值预测。

问：为什么基于LLM的预测方法会表现不佳？主要原因在于架构不匹配。LLM为处理离散符号设计，处理连续数值信号会导致信息损失和噪声引入。流感预测对数值细微变化敏感，直接处理数值的Transformer模型能更好保留信息。此外，LLM方法难以灵活融入外部辅助特征，限制了性能上限。

问：MFC模型为什么能取得最好的效果？MFC成功关键在于“混合专家”思想。它集成多个在不同数据源上预训练的专家模型，通过可学习融合模块动态综合各专家意见，取长补短，实现1+1>2。这种设计尤其擅长处理多变、不稳定的时间序列，并能更有效利用多源信息，表现出更强鲁棒性和准确性。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★✰✰

并非提出全新架构，而是对现有模型在流感预测领域进行深入系统评估。创新在于构建贴近真实应用的评估框架，明确揭示混合专家模型优势，实验设计本身很有价值。

实验合理度：★★★★✰

实验设计全面合理，考虑时空两种泛化场景，统一预处理和评估标准，发布标准化数据集和代码，对比结果可信度高。

学术研究价值：★★★★★

为后续时间序列预测研究，尤其在流行病学领域，提供极具价值的基准和清晰图景，澄清了此前混乱结论，学术价值不亚于提出新模型。

稳定性：★★★★✰

MFC在多种预测周期和跨区域测试中表现稳定，方差较小。其他数值模型表现也较可靠，整体上数值模型在该领域稳定性良好。

适应性以及泛化能力：★★★★✰

模型在时序和空间泛化上均表现出一定能力，顶尖模型能提供有价值结果，但跨区域预测时性能显著下降，地域差异仍是巨大挑战。

硬件需求及成本：★★★✰✰

预训练大型基础模型需要较高计算资源，但训练完成后推理成本可接受。资源有限机构可直接使用预训练模型或选择更轻量基线模型。

复现难度：★★★★★

论文开源了代码、标准化数据、训练脚本和预训练权重，实验配置清楚，复现主要结果难度很低。

产品化成熟度：★★★★✰

研究成果有较高产品化潜力，MFC和预训练数值模型可集成到公共卫生预测系统，但需针对具体地区数据微调并建立完整数据管线。

可能的问题：研究范围局限于美国区域数据，迁移到其他国家或新型病毒时泛化能力未验证。MFC在长时间尺度预测及与更复杂混合模型对比有待探索。对Time-LLM的负面评价是否完全归因于架构，结论可更审慎。


主要参考文献

[1] Alireza Jafari, Judy Fox, Geoffrey C. Fox, et al. "Understanding Key Features of Time Series Foundation Models from Epidemic Forecasting". arXiv preprint arXiv:2606.19560, 2026. 论文链接：https://arxiv.org/pdf/2606.19560v1.pdf
[2] 开源代码及数据：https://github.com/alireza-jafari/Epidemic-Times-Series-Foundation-Models-Benchmark

*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！       

end
欢迎加入龙哥读论文粉丝群，扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。一定要备注：研究方向+地点+学校/公司+昵称（如 图像处理+上海+清华+龙哥），根据格式备注，可更快被通过且邀请进群。
『龙哥读论文』微信群目前包含：图像处理、大模型及智能体、自动驾驶及机器人、AI医疗及AI金融5个群
wechat_helper dianzan
转发文章 微博 X LinkedIn Facebook
龙哥读论文 · PaperDaily

本文基于龙哥读论文 PaperDaily 数据库整理，结合论文原文与工程视角进行解读。