训练集一次冻结，无智能体无大模型，TW3Cast冲上GIFT-Eval第3名！
TW3Cast: A Frozen Router of Lightly Fine-Tuned Foundation Models for Time-Series Forecasting on GIFT-Eval, Selected Entirely on the Training Split
📖 AI 总结
TW3Cast 是一个面向时间序列预测的集成系统，在 GIFT-Eval 基准的 130 个条目中以平均 MASE 排名位列第三，且不使用任何智能体或语言模型。其核心是一个在训练集上一次性计算并冻结的路由表，为 97 种数据集、频率与预测跨度组合分别指定四种模式之一：经规则清洗与增强数据微调的 Chronos-2、TiRex 或 Toto 专家模型、包含专家的分位数混合、基础模型混合，或基于训练集回测的选拔赛。所有决策均在训练集回测上完成，并辅以准确率与校准双重标准、针对训练期见过序列的非对称边际以及逐窗口保守门控三重防护。结果显示，最佳单一基础模型平均排名为 33.8，全配置选拔赛为 38.0，而完整路由达到 19.4，表明冻结路由与轻量微调专家的组合能显著提升预测性能。
🔑 关键词速览
| GIFT-Eval | 一个时间序列预测基准测试，用于评估模型在多个数据集和配置上的性能。 |
| MASE | 平均绝对缩放误差，一种用于评估时间序列预测准确性的指标，对尺度不敏感。 |
| LoRA | 低秩适应，一种参数高效的微调方法，通过注入低秩矩阵来适应大型预训练模型。 |
| Chronos-2 | 一个时间序列预测的基础模型，属于 Chronos 系列，用于生成预测。 |
| TiRex | 一个时间序列预测的基础模型，可能基于 Transformer 架构，用于生成预测。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅