TSQAgent：通过专用代理推理评估时间序列数据质量

评估时间序列数据质量极具挑战。现有方法依赖预定义维度和纯文本推理，缺乏对相关维度的自主识别及基于证据的量化比较能力。为此，本文构建 TSQBench 基准，揭示当前大模型在上述能力的不足，并提出 TSQAgent 框架。该框架包含感知者、检查者和裁决者三个协作角色，引入代理推理策略以优先识别关键质量维度，并结合外部分析工具实现精确的量化比较。实验表明，该框架显著提升了质量理解与定量比较能力，优化了下游任务性能。