**ConceptTime：利用预测惊喜实现可解释时间序列分类**

_Predictive Surprise as Self-Grounding Concept Bottleneck for Interpretable Time Series_

> 针对风险敏感领域对时间序列分类器在准确性、可解释性和拒绝弱证据能力上的三重需求，现有方法难以兼顾。本文提出 ConceptTime，通过自监督信号“预测惊喜”（预测值与真实值的差异）自动定位时间片段边界并提取概念，无需人工标注或语言模型。该方法在 17 个公开基准测试中表现优异，不仅媲美最先进黑盒模型的准确率，更在所有可解释基线中胜出，且仅需 1% 的标签即可在癫痫检测中保持近 98% 的准确率，同时具备强大的未知分布检测与删除忠实性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-11-11 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.12955)