以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Time-series classifiers deployed in risk-sensitive domains must be (1) accurate, (2) interpretable, and (3) able to abstain when evidence is weak. Existing methods do not deliver all 3 at once, and the obstacle is structural, rather than logistical. Meaningful temporal patterns cannot be defined without knowing segment
阅读原文 · Sachith Abeywickrama, Emadeldeen Eldele, Min Wu, Xiaoli Li, Chau Yuen
向阳乔木 · opencode-go/deepseek-v4.1-flash
时间序列模型在医疗、工业、金融这些场景落地，绕不开三个要求：准、能解释、证据不足时敢说“我不确定”。这篇论文想一次性把三件事做到，而且不靠人工标注、不调大模型。 它值得看的地方在于问题的提法。作者指出，现有方法做不到三全，障碍是结构性的： 要定义有意义的时间模式，得先知道片段边界在哪；要切出有意义的边界，又得先知道该期待什么模式 。固定滑窗和专家词表都是在绕...