低预测误差不等于控制响应正确
模型预测控制（MPC）需要一个能回答干预式问题的预测模型：如果控制器选择不同的未来输入，输出会怎样变化？标准预测回答的是观测式问题，因为它是在生成数据的固定控制器所产生的轨迹上评分。因此，模型可能通过捕捉被动动态、外生扰动或数据生成策略的规律性而获得低误差，却没有正确建模分布外的控制输入。
论文在住宅热泵控制中把这一差距具体化。零样本 Chronos-2 在真实建筑数据上，对室温与热泵功率预测在不同上下文长度下都优于多步线性预测器，但这一优势并不能证明模型捕捉到了控制所需的输入—输出关系。因此，作者把标称预测精度与输入—响应保真度区分开来，而不是把前者当作后者的证据。
匹配干预探针分离出响应增益
为衡量控制保真度，作者构建了多组匹配探针，它们共享建筑、上下文、初始状态和天气，但未来控制不同。每个探针都经过仿真以获得其真实干预结果。在把实际与预测轨迹围绕各自的逐步探针均值中心化后，他们计算响应增益：预测偏差对实际偏差的池化最小二乘系数。增益接近 1 表示响应尺度正确，接近 0 表示对控制几乎没有敏感性。
响应增益补充而非替代标称预测误差。它去除了各探针共有的误差，只评估响应成分，因此检验的是基于模型控制的必要条件，并不确立完整轨迹一致性或闭环控制性能。在开环实验中，预测时域固定为 24 小时，评估的上下文长度为 1、2、5 和 21 天。上下文控制被替换为 APRBS 激励信号，而预测窗口的干预则使用对参考 MPC 控制的恒定偏移。
无激励上下文能拟合轨迹却漏掉干预
在 21 天无激励 MPC 上下文下，Chronos-2 很好地拟合了观测轨迹，但对控制上的恒定偏移干预没有响应。在同一上下文窗口上拟合的多步线性估计器则确实区分了偏移轨迹。作者指出，Chronos-2 可表示的映射类别要丰富得多，而线性模型的归纳偏置预计非常接近仿真器的真实动态，因此是一个很有竞争力的基线。
在激励的 APRBS 上下文下，Chronos-2 估计控制干预效果的能力大幅提升。仅增加上下文长度而不加入激励数据，会降低所有 TSFM 在标称控制轨迹上的预测误差，但不会改善它们的增益。在激励下，增益随上下文长度和激励幅度同时增加，在高激励和最大上下文长度下接近 1。在这些实验中，可靠的在上下文系统辨识需要足够的激励幅度，而不仅仅是上下文长度。
EWMA 特征缩短达到同等增益所需上下文
加入三个不同时间尺度的指数加权移动平均（EWMA）控制通道，显著缩短了 Chronos-2 达到同等增益水平所需的上下文长度，但并未提高在给定激励水平下可获得的最大增益。这一改进以标称精度为代价：各激励情形下 MAE 都上升，尽管在每个情形内更长的上下文会降低 MAE。
逐窗口线性估计器在扫描的大部分范围内取得了最强增益，并在每种情形下都有最低的长上下文 MAE，但在上下文很少时无法可靠拟合。Chronos-2 仅在最强激励配合最长上下文时达到或超过它的增益；在其他情况下，TSFM 低估了响应幅度。作者得出结论：在上下文辨识需要信息丰富且可能具有干扰性的激励，并且在数据充足时很少优于显式辨识。
微调降低激励需求但无法消除
跨建筑微调主要在上下文有限时改善响应增益，而在激励轨迹上微调优于在闭环 MPC 数据上微调。把激励微调与 EWMA 特征结合取得了最强增益：在一天上下文下，这一变体在无激励或低激励时已能恢复相当程度的响应，在中或高激励下则在短到中等上下文长度上占优。这些改进没有带来系统性精度损失，因为其标称 MAE 通常最低或接近最低。
但微调并未完全取代激励。在无激励运行下，增益仍远低于 1，且不随上下文增加而改善；在历史足够时，逐窗口线性估计器最终表现更好。中或高激励使微调后的 EWMA 模型接近单位增益，随着上下文增长，模型间差异缩小。因此，微调与多尺度特征传递了有用的先验信息，并大幅降低了所需的上下文和激励，但目标系统中信息丰富的变异仍是完整辨识的必要条件。
初始上下文无激励时闭环仍见增益
在一项初步且独立的闭环评估中，各预测器在 MPC 内于 17 栋留出建筑上、在匹配评估条件下进行比较，轨迹优化使用改进的交叉熵方法。性能以相对于多步线性基线的平均配对差值报告，负值更好；E 表示热泵总能耗，D 表示时间积分的舒适度边界违反平方，目标为 Obj. = E + 10D。
Chronos-2 改善了闭环目标，尤其是在激励上下文配合 EWMA 校正时。作者指出，这些实验并未建立开环响应增益与闭环性能之间的直接关系。令人意外的是，即使一个回合开始时的初始上下文无激励，性能也很好。作者假设，优化器选择的未来控制动作随后被执行并进入滚动上下文，从而提供了隐式激励；而开环实验使用的上下文由确定性 MPC 生成，没有学习或推理动态。直接验证这一机制留待未来工作。
选择预测器时应优先考虑激励与上下文设计
论文的实践优先级是：上下文是基于 TSFM 控制的核心设计变量。仅凭标称预测精度无法揭示模型是否会正确响应控制器考虑的替代动作，因此事实轨迹上的低 MAE 不足以作为部署证据。与决策相关的比较发生在激励情形与上下文长度之间：无激励上下文使增益无论增加多少上下文都低于 1，而中或高激励让微调后的 EWMA 模型接近单位增益，并且在激励历史充足时紧凑线性辨识器仍有竞争力。
作者的评估主要是合成环境，这留下了这些发现向真实系统迁移程度的问题；他们建议未来研究专门为控制设计的 TSFM，包括价格响应运行等自然发生的控制变化能否进一步减少对专门激励的需求。他们留下的开放问题是：如何保留对控制有信息量的观测，以及可靠输入—输出辨识需要多少激励。因此，对于在 TSFM 与显式辨识器之间权衡的读者，论文给出的阈值不是预测误差，而是推理上下文是否包含足够的独立控制变异来辨识响应。
本文引用的文献
Time-series Foundation Models for Predictive Control: The Role of Excitation
只有当推理上下文包含足够的独立控制激励时，TSFM 才能恢复热泵系统的输入—响应关系；微调与 EWMA 特征降低了这一需求，但并未消除它。