TimeEvo：由失败驱动的时间序列智能体自我进化
TimeEvo是一种改进时间序列分析AI智能体的方法。研究发现，由专家设计的21种固定工具组成的工具库可能在部分任务中提供帮助，却会损害其他任务的表现，并使所有测试基础模型的异常检测准确率下降。此外，一轮通用自我修订就改变了147个答案，其中56个因此出错，但最终得分变化不到1分。TimeEvo将诊断出的失败归纳为能力缺口，为每个缺口设计测量方法，并合成基于证据的工具。新工具只有通过成对对比的准入机制、证明具有净收益后，才会加入工具库。在10项时间序列问答任务和3个基础模型上的实验中，TimeEvo提升了所有任务和模型的准确率。使用较廉价模型构建的工具库，部署到更强模型上时同样有效。代码已在GitHub公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。