arXiv cs.AI· ChengAo Shen, Yanjun Zhao, Haoxin Liu, Bonnie Chen, Miles Ma, Dongjin Song, Hanghang Tong, Qingsong Wen, Jingrui He, Jingchao Ni·· 1 天前AI 评分38
TSFLab：面向时间序列预测研究的自改进、智能体无关工作台
TSFLab: A Self-Improving Agent-Agnostic Workbench for Time Series Forecasting Research
AI 导读
TSFLab 是一个自改进、与智能体无关的时间序列预测研究工作台，为兼容的编码智能体提供共享资源与工具，支持低成本复现、基准测试和新方法开发。在复现与基准测试中，TSFLab 将任务完成率提升 20-163%，每个完成任务的新鲜 token 消耗降低 11-66%。智能体驱动方法开发的初步研究显示预测精度提升，新鲜 token 减少 32.8-73.6%，开发时间缩短 9.2-68.8%。
正文 · AI 翻译
摘要：随着时间序列预测（TSF）领域的出版物和产品不断增多，研究人员在分析现有工作方面面临日益加重的负担。首先，并非所有出版物都公开代码。例如，在调查期内，仅有约 20% 的 arXiv TSF 论文附有代码链接。其次，已公开的代码也需要人工维护。因此，TSF 研究人员必须不断适配或实现现有工作。然而，独立实现可能在实验设置上存在差异，且难以维护。为此，我们提出使用 AI 智能体对 TSF 研究进行基准测试，甚至支持自动研究，例如开发新的 TSF 模型。然而，直接应用现有的编码智能体（如 Claude Code 和 Codex）并非最优：成本高昂、对大型研究项目（如基准测试）的可扩展性有限，且缺乏自我维护能力。为应对这些挑战，我们提出 TSFLab，一个可自我改进、与智能体无关的“工作台”，为兼容的编码智能体提供共享资源和工具，以支持低成本的 TSF 研究及研究资源的持续维护。我们的实验涵盖复现、基准测试和新方法开发。在复现和基准测试中，TSFLab 在各基线上将任务完成率提升 20-163%，并将每个已完成任务的新消耗 token 减少 11-66%。一项关于智能体驱动方法开发的初步研究也表明，通过 TSFLab 提升了预测准确率，与其他设置相比，新消耗 token 减少 32.8-73.6%，开发时间减少 9.2-68.8%。
| 评论： | 代码：此 https URL |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.40901 [cs.LG] |
| （或 arXiv:2610.40901v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.40901 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：ChengAo Shen [查看邮箱]
[v1]
2026年10月29日 星期四 19:22:33 UTC（1,137 KB）
来源：arXiv cs.AI · arxiv.org