中大学者提出概率场景预测范式 TimePrism，与 Jev 设计思路相通
一篇 2025 年 9 月投稿的论文早就把「直接输出概率、并行生成、服务决策」做成方法：用三个线性层一次给出未来场景和概率，比采样式预测更省算力，也解释了 Jev 类设计为何成立。
香港中文大学徐强团队提出「概率场景」预测范式：让模型一次并行输出一组可能的未来场景及各自的概率，而不是靠反复采样估计分布。验证模型 TimePrism 只用三个并行线性层（两个生成场景、一个学概率），在被 ICLR 2026 接收的论文中于五个基准数据集上十项指标拿下九项最优，计算开销很小。这套「显式概率+并行输出+面向决策」的思路，与近期走红的 Jev 如出一辙。
正文摘录
.jpg)  2026 年 9 月，Jev 刷屏了。围绕这款直接输出判断和概率的 AI 模型，讨论已经持续了好几天。 从 X 上的演示到开发者的应用尝试，一个问题浮出水面：当 AI 用来做决策，还需要先生成一长串文字吗？ 但如果把时间拨回整整一年前呢？ 2025 年 9 月，已经有研究提出： 让模型一次并行生成多种可能的未来，并直接给出它们的概率。 而且，这篇论文从一开始，就把「服务决策」写进了研究动机。 这项研究来自 香港中文大学徐强教授团队 ，论文题为《From Samples to Scenarios: A New Paradigm for Probabilistic Forecasting》（从采样到场景：概率预测的新范式），于 2025 年 9 月 24 日公开，现已被 ICLR 2026 接收。TimePrism 是为这一范式设计的验证模型。