TIMERSI：迈向时间序列基础模型的自我改进式智能体部署

arXiv:2610.19725v1 公告类型：新论文 摘要：时间序列基础模型具有强大的零样本预测能力，但在实际应用中部署时，仍需针对具体任务设计模型的输入和输出。直接推理可能无法充分利用领域知识，也无法解决反复出现的预测误差，而定制流程则需要大量的人类专业知识与投入。我们提出 TIMERSI，这是一个围绕冻结的预测模型构建的自我改进式智能体部署系统。编码智能体将任务描述转化为可执行的流程修改，在历史预测窗口上测试每次修订，并利用观测到的误差指导后续修订。在部署期间，自适应选择器根据相似条件下已完成的预测，从生成的流程中进行选择。在 TIME 和 FEV-bench 上的 198 项任务中，TIMERSI 在六项点预测和概率预测指标上均优于所有提交方案。受控对比实验表明，相较于非迭代式流程搜索，反馈引导的修订具有优势。进一步实验验证了该系统在不同编码智能体和预测模型上的泛化能力。