MetaCaster：一种经过优化的人工智能代理，用于端到端轻量级时间序列预测模型的少量样本学习

MetaCaster 是一种基于元框架的代理系统，旨在解决资源受限场景下基础模型成本高与轻量级预测器需大量训练数据之间的矛盾。该系统利用代理数据生成技术，仅凭少量示例和文本上下文即可自动训练专用轻量级时间序列预测器。在此架构中，代理被定位为准备高效、任务特定预测器的中间工程师，而非直接预测者。实验在 18 个数据集、23 种最先进的轻量级预测器和 14 个基线模型上验证了该方法的有效性，证明 MetaCaster 实现了数据效率与计算效率的双重提升，同时保持了高质量的时间序列预测性能。