本研究提出SurvSurf模型，解决了现有生存模型在序列事件首次到达时间预测中的单调性问题。该模型确保累积发生函数的单调性，并允许预测因子的非线性影响。研究结果表明，SurvSurf在多个数据集上优于传统模型，为事件发生时间的精确预测提供了新思路。

本研究探讨了因果与反因果方向上预测因子的差异，特别是在使用二元变量作为目标和两个连续变量作为预测因子的模型中出现的不对称性。结果显示，CMAXENT解决方案在因果方向上简化为逻辑回归，而在反因果方向上为线性判别分析（LDA），不同的决策边界对超出变量的泛化产生影响。