摘要
在金融、零售、社交网络和医疗等领域的应用中，对给定时间范围内多个未来事件的预测至关重要。标记时间点过程（Marked Temporal Point Processes, MTPP）为建模事件的发生时间及其类别标签提供了严谨的框架。然而，现有研究大多仅关注预测下一个事件，对长时域预测的探索仍十分有限。为弥补这一空白，我们提出了HoTPP——首个专为严格评估长时域预测而设计的基准测试平台。我们识别出当前广泛使用的评估指标存在的缺陷，提出了一种具有理论基础的T-mAP评价指标；构建了强有力的统计基线模型，并提供了主流模型的高效实现方案。实验结果表明，当前主流的MTPP方法在多数情况下甚至不如简单的统计基线模型。此外，我们对预测序列的多样性进行了分析，发现大多数方法存在模式坍缩（mode collapse）问题。最后，我们探讨了自回归机制与基于强度的损失函数对预测性能的影响，并指出了未来研究的有前景方向。HoTPP的源代码、超参数设置及完整的评估结果均已公开于GitHub。