TimeSeriesScientist：通用时间序列分析 AI 代理
机器学习
2025-10-08 v2
摘要
时间序列预测是能源、金融、气候和公共卫生等众多领域决策的核心。在实际操作中，预测者面临大量短小、噪声较大的序列，这些序列在频率、质量和预测时限上各不相同，其中主要成本不在于模型拟合，而在于获取可靠预测所需的人力密集型预处理、验证和集成。现有的统计模型和深度学习模型都针对特定数据集或特定领域进行设计，泛化能力较差。迫切需要的是一种通用且与领域无关的框架，以最小的人工干预实现目标。本文引入 TimeSeriesScientist（TSci），这是第一个面向通用时间序列预测的 LLM 驱动代理框架。该框架由四个专门的代理构成：Curator 通过 LLM 引导的诊断辅助外部工具，对数据统计进行推理，以选择针对性的预处理；Planner 通过多模态诊断和自我规划，缩小模型选择的假设空间；Forecaster 执行模型拟合和验证，并基于结果自适应选择最佳模型配置及集成策略以作出最终预测；Reporter 将整个过程综合成详尽、透明的报告。凭借透明的自然语言论述和详尽的报告，TSci 将预测工作流程转化为一个在任务之间具有可解释性和可扩展性的白盒系统。在八个既定基准测试上的实证结果表明，TSci 在统计模型和 LLM 基线模型中均表现出色，分别将预测误差降低了 10.4% 和 38.2%。此外，TSci 能生成清晰严谨的报告，使预测工作流程更加透明和可解释。
引用
@article{arxiv.2510.01538,
title = {TimeSeriesScientist: A General-Purpose AI Agent for Time Series Analysis},
author = {Haokun Zhao and Xiang Zhang and Jiaqi Wei and Yiwei Xu and Yuting He and Siqi Sun and Chenyu You},
journal= {arXiv preprint arXiv:2510.01538},
year = {2025}
}