**DISC：基于领域集成相似性成本的时序数据集评估框架**

_DISC: Domain-Integrated Similarity Cost for Time-Series Dataset_

> 针对时序数据集比较中单一指标无法全面反映下游任务效用的问题，研究提出了可学习的领域集成相似性成本（DISC）框架。该框架利用校准转移观测，自动选择、加权并组合多种相似性指标，以捕捉对下游行为至关重要的数据集差异。实验表明，DISC 在分布外和迁移学习场景下，能比单一指标更准确地预测下游预测误差，证明了任务依赖的指标集成是评估时序数据集相似性的更优代理。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-26 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.31288)