Validar séries temporais tem um preço inevitável

Dos candidatos de cs.LG, 21 papers entraram no grafo. O destaque prova que validação de séries temporais não pode ser simultaneamente suficiente, abrangente e causal, dando fundamento formal às escolhas de backtest. Em seguida, um benchmark de machine unlearning pergunta se dá para remover um ano de dados de mercado de um previsor quando a licença expira, sem retreinar do zero — tema contratual real para quem licencia dados. Na segurança, fine-tuning com restrição de chance controla a probabilidade de regressão em prompts críticos, não só a média. Para dados empresariais, 'linhas idênticas que discordam' mostram como duplicatas escondem uma camada de medição que afeta benchmarks e detecção de anomalias, e frameworks zero-trust coordenam agentes em engenharia de dados. Também há crítica ao uso de teoria clássica de testes para juízes LLM e seleção online de janelas em portfólios.