（问题）时间序列预测广泛用于金融风控、供应链调度、交通出行、公共卫生监测等场景，核心是在历史序列规律的基础上判断未来走势；但与计算机视觉、语言理解等领域已有相对统一的“通用标尺”不同，时间序列预测长期缺少公认、可靠的评测体系。业内常出现结论相互矛盾、模型排名频繁更替的情况，重要原因在于：同类方法在不同数据集、不同数据切分方式、不同评价口径下可能得到完全不同的结果，难以沉淀可复用、可比较的共识。
时间序列预测的价值不在榜单排名，而在能否经受真实业务检验。通过更严格的评测约束信息泄露、以更全面的场景分布校准能力边界、以更贴近生产的数据设计回应行业痛点，有助于让预测技术从“看起来很强”走向“用起来可靠”，也为智能化应用的规范发展提供可借鉴的路径。