论题：超越模型中心预测——智能体时间序列预测
机器学习
2026-03-12 v4
摘要
时间序列预测传统上被形式化为模型中心、静态和单次预测问题，将历史观测映射到未来值。虽然这一范式推动了显著进展，但在需要信息提取、推理驱动的推断、迭代细化以及随时间持续适应的自适应和多轮场景下，已不足以满足需求。本文主张采用智能体时间序列预测（ATSF），将预测重新框定为由感知、规划、行动、反思和记忆组成的智能体过程。与仅关注预测模型本身不同，ATSF强调将预测组织为可与工具交互、能融合结果反馈并通过经验积累而演化的智能体工作流程。我们概述了三个代表性实现范式——基于工作流的设计、智能体强化学习以及混合智能体工作流程范式，并讨论了从模型中心预测向智能体预测转变所带来的机遇与挑战。本立场旨在确立智能体预测作为时间序列预测交叉领域未来研究基础。
引用
@article{arxiv.2602.01776,
title = {Position: Beyond Model-Centric Prediction -- Agentic Time Series Forecasting},
author = {Mingyue Cheng and Xiaoyu Tao and Qi Liu and Ze Guo and Enhong Chen},
journal= {arXiv preprint arXiv:2602.01776},
year = {2026}
}