TSFLab：面向时间序列预测研究的自我改进型、与智能体无关的工作台
时间序列预测（TSF）研究不断增多，梳理和复现已有成果也愈发困难。在调查期间的 arXiv TSF 论文中，只有约 20% 附有代码链接；已发布的代码通常也需要人工调整和维护。研究人员提出 TSFLab，这是一种与智能体无关的工作台，为兼容的编程智能体提供共享资源和工具，以降低 TSF 研究成本并持续维护研究资源。在复现和基准测试任务中，相较基线系统，TSFLab 将任务完成率提高了 20%–163%，并将每项已完成任务所需的新生成 token 减少了 11%–66%。一项由智能体驱动方法开发的初步研究还显示，预测准确率有所提高，新生成 token 减少了 32.8%–73.6%，开发时间缩短了 9.2%–68.8%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。