AlphaCast：面向交互式时间序列预测的人类智慧-LLM 协推理框架
人工智能
2026-04-13 v5
摘要
时间序列预测在众多实际应用中发挥着关键作用。尽管取得了显著进展，但大多数现有方法仍将预测视为静态的、单次回归问题。相比之下，人类专家通过整合时间特征、领域知识、案例参考和补充上下文进行迭代推理，不断细化预测。本文提出 Alphacast，一个以交互为驱动的智能体推理框架，使其能够借助无训练的大型语言模型实现准确的时间序列预测。Alphacast 将预测重新定义为类似专家的过程，并将其组织为多阶段工作流程，包括情境准备、基于推理的生成和反思评估，将预测从单次输出转化为多轮、自主的交互过程。为支持人类专家通常考虑的多种视角，我们开发了一个轻量级工具包，包括特征集、知识库、案例库和情境池，为基于 LLM 的推理提供外部支持。广泛的实验表明，Alphacast 在多个基准测试上通常优于代表性基线方法。代码可在本存储库获取：https://github.com/echo01-ai/AlphaCast。
引用
@article{arxiv.2511.08947,
title = {AlphaCast: A Human Wisdom-LLM Intelligence Co-Reasoning Framework for Interactive Time Series Forecasting},
author = {Xiaohan Zhang and Tian Gao and Mingyue Cheng and Bokai Pan and Ze Guo and Yaguo Liu and Xiaoyu Tao and Qi Liu},
journal= {arXiv preprint arXiv:2511.08947},
year = {2026}
}