研究重思时间序列预测的智能体模型编排

发生了什么

据arXiv cs.LG发布的研究，时间序列基础模型（TSFMs）在预测任务中表现不均。近期工作使用智能体模型编排（AMO）选择或组合TSFMs，常优于单个预测器。但增益可能反映更强的候选者而非编排本身。研究引入FairAMO协议，通过冻结候选预测进行控制评估。实验表明AMO提升准确率，但增益受限于候选TSFMs，最佳编排器相对最佳单TSFM所有任务MASE降低不超过6%。增益依赖互补性而非候选者数量，增加成员收益递减，冗余成员可消除增益。历史证据价值快速饱和，少数近期窗口即可捕获所有增益，更多历史无额外贡献。