摘要
本文提出了首个用于少样本多模态时间序列分类的视觉语言模型代理推理框架（MarsTSC）。该框架引入自进化知识库作为动态上下文，并通过反思性代理推理进行迭代优化。系统包含生成器、反思器和修改器三个协作角色，分别负责推理分类、诊断错误根源及更新知识库以防止上下文坍塌。此外，文章提出了测试时更新策略以缓解少样本偏差和分布偏移。实验表明，该方法在多个基准上显著优于现有基线，并提供可解释的分类依据。
AI 推荐理由
论文提出基于代理推理的框架，核心在于通过反思性推理机制提升分类性能。
研究机构
Sun Yat-sen University, Zhuhai, Guangdong, China
Xiaomi Corporation, Beijing, China
Wenjie Feng
Jian Lou
论文信息