研究团队提出时间序列预测智能体工作台TSFLab
Start here
2026年11月2日，相关研究人员在arXiv发布研究，提出了面向时间序列预测（TSF）的自改进通用智能体工作台TSFLab，为编码智能体提供共享资源与工具。测试数据显示，在复现与基准测试中，TSFLab将任务完成率提升了20%至163%，单任务fresh tokens消耗降低了11%至66%。在新方法开发测试中，TSFLab在进一步提升预测精度的同时，使fresh tokens消耗减少了32.8%至73.6%，并缩短了9.2%至68.8%的开发时间。
AI-generated from reports · Updated 3 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习TSFLab：面向时间序列预测研究的自改进通用智能体工作台
研究人员提出 TSFLab，一款面向时间序列预测（TSF）的自改进通用智能体工作台，为编码智能体提供共享资源与工具。在复现与基准测试中，TSFLab 将任务完成率提升 20-163%，单任务 fresh tokens 消耗减少 11-66%。在新方法开发测试中，其预测精度进一步提高，同时减少 32.8-73.6% 的 fresh tokens 并缩短 9.2-68.8% 的开发时间。
Story heat trend
Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.