考虑一个典型的时间序列（序列）预测问题，它使用前步历史特征来预测下一步目标。我们以模型为例。$k$RNN

如图所示，{ ,..., } 是用于在 step$x_0$$x_k$$y_{k+1}$$k+1$. 典型方法仅使用最终输出$\hat{y}_{k+1}$对于训练，相应的损失将是，例如mse，$||y_{k+1}-\hat{y}_{k+1}||_2$. 因此，我有以下几个问题。

Q1：虽然{$y_1,...,y_k$} 在时间步长已知$k$，使用输出的最后多个（甚至所有）步骤进行预测会比只使用最后一个更好吗$\hat{y}_k$? 例如，使用mse多步输出作为

$$loss=\frac{1}{N+1}\cdot\sum_{n=0}^{N} ||\hat{y}_{k+1-n}-y_{k+1-n}||_2$$

Q2：如何为多个输出选择合适的损失函数？似乎多步mse不是一个好的选择，当排名之间$y$和$\hat{y}$优于绝对偏差。