本研究探讨了长期时间序列预测中复杂模型不如简单模型的现象，提出了“时间胶囊”模型。该模型通过高维信息压缩整合多项技术，实验证明在多个基准测试中表现优越。

本文研究了数据生成过程中的机制和分析师的选择对Rashomon比率的影响。研究表明，更嘈杂的数据集会导致较大的Rashomon比率。同时，引入了一种称为模式多样性的度量，该度量捕捉了Rashomon集中不同分类模式之间的平均预测差异，并解释了它为什么会随着标签噪声的增加而增加。结果解释了为什么简单模型在复杂且有噪声的数据集上通常能和黑盒子模型表现一样好的一个关键因素。