Rethinking Agentic Model Orchestration for Time Series Forecasting

📄 arXiv: 2610.29504v1 📥 PDF

作者: Tong Guan, Tianxiang Zhan, Shirui Pan, Ming Jin

分类: cs.LG, cs.AI

发布日期: 2026-10-21

备注: Accepted by the NeurIPS 2026 Workshop on Foundation Models for Temporal Systems (FMTS)

💡 一句话要点

提出FairAMO以解决时间序列预测中的模型协调问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 时间序列预测 模型协调 代理模型 FairAMO 互补性 预测准确性 控制评估

📋 核心要点

  1. 现有的时间序列预测方法在不同任务上的表现差异较大，且模型协调的效果尚未得到充分验证。
  2. 本文提出FairAMO，通过冻结候选预测来控制评估，旨在明确模型协调的真实贡献。
  3. 实验结果显示，AMO在准确性上有所提升，但提升幅度有限，且依赖于候选模型的互补性。

📝 摘要（中文）

时间序列基础模型（TSFMs）在预测任务中的表现不均。近期研究采用代理模型协调（AMO）来选择或组合TSFMs，通常优于单一预测器。然而，这些提升可能反映了更强或更互补的候选模型，而非更好的协调。为了解析这些效应，本文引入了FairAMO，一个冻结候选预测的控制评估协议。GIFT-Eval上的实验表明，AMO确实提高了准确性，但其提升受限于候选TSFMs的性能。最佳协调器在所有任务中相较于最佳单一TSFM的MASE减少幅度不足6%。这些提升依赖于候选模型的互补性，而非数量的增加。添加成员的收益递减，冗余成员可能会抵消这些收益。历史证据的价值也迅速饱和，少数近期窗口即可捕获所有收益，进一步的历史数据则无增益。这些发现将系统级预测的收益与协调本身的贡献分开。

🔬 方法详解

问题定义：本文旨在解决时间序列预测中模型协调的有效性问题，现有方法的不足在于未能明确区分模型选择与组合的贡献。

核心思路：通过引入FairAMO，冻结候选模型的预测结果，从而进行更为公平的评估，确保提升是由于协调而非模型本身的优势。

技术框架：FairAMO的整体架构包括候选模型的选择、冻结预测结果、以及基于这些结果的协调策略评估，确保各个阶段的独立性。

关键创新：最重要的创新在于引入了冻结候选预测的控制评估协议，这一方法能够有效分离模型协调的贡献与候选模型的性能。

关键设计：在实验中，设置了多个候选模型，并通过对比不同组合的MASE表现，发现添加冗余模型会导致收益递减，且历史数据的使用也需谨慎。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果表明，AMO在GIFT-Eval数据集上提高了预测准确性，但相较于最佳单一TSFM，MASE的减少幅度不足6%。此外，模型的互补性是提升的关键因素，冗余成员的引入可能导致性能下降。

🎯 应用场景

该研究的潜在应用领域包括金融市场预测、气候变化分析和供应链管理等时间序列预测任务。通过优化模型协调策略，可以提高预测的准确性，从而为决策提供更可靠的依据，具有重要的实际价值和未来影响。

📄 摘要（原文）

Time series foundation models (TSFMs) perform unevenly across forecasting tasks. Recent work uses agentic model orchestration (AMO) to select or combine TSFMs, often outperforming individual forecasters. Yet these gains may reflect stronger or more complementary candidates rather than better orchestration. To disentangle these effects, we introduce FairAMO, a controlled evaluation protocol with frozen candidate forecasts. Experiments on GIFT-Eval show that AMO improves accuracy, but its gains are bounded by the candidate TSFMs. The best orchestrators reduce MASE by less than 6% relative to the best single TSFM across all tasks. These gains depend on complementarity (different candidates excel on different tasks) rather than the number of candidates. Adding members yields diminishing returns, and a redundant member can erase these gains. The value of historical evidence also saturates quickly. A few recent windows capture all gains, and further history adds none. These findings separate system-level forecasting gains from the contribution of orchestration itself.