标签
本文提出将球员的最短可行到达时间（到达时间）建模为条件分位数回归问题，并在2022年世界杯PFF光学追踪数据上训练的轻量级多层感知机模型在多项指标上超越了六种基于物理的球员运动模型，且展示了跨运动项目（篮球、美式橄榄球）的迁移能力。
该论文提出 Control-TS，通过残差控制将预测分位数作为分布控制信号引入预训练扩散预测模型，并提出 CLPS 指标评估生成未来轨迹的下游预测效用，在八个基准上一致提升 CRPS 表现。
QuantFlow引入了一种基于联邦Mamba的时间序列预测基础模型，该模型结合了逆序嵌入、双向状态空间解码器和分位数回归，在保持数据隐私的同时在基准测试上取得了强劲结果。
本文提出了一种用于分位数回归的稀疏高斯过程框架，该框架采用拉普拉斯近似进行后验推断，并利用基于方差的机制实现自适应诱导输入放置和数据获取。
介绍了Q-SRDRN，一种使用分位数损失的多分位数超分辨率网络，用于改进极端降水降尺度，在保持整体精度的同时，显著提高了强降雨事件的检测率。
本文介绍了 RQIQN，这是一种基于分位数的分布强化学习鲁棒方法，利用 Wasserstein 几何正则化来防止分布退化，并提升在风险敏感任务中的性能。
亚马逊与斯坦福研究者提出分位词元回归，通过在 LLM 输入中插入专用分位词元来预测完整概率分布，在 Airbnb 与 Stack Overflow 基准上实现约 4 个百分点 MAPE 降低与 2 倍更窄区间。