Time Series Forecasting LLM Agent Reasoning Framework
摘要

针对时间序列预测中历史数据与动态上下文特征的影响,现有方法缺乏识别相关上下文及验证预测的机制。本文提出CastFSR框架,将上下文感知预测建模为“快速-慢速-反思”工作流。快速阶段构建数据驱动的先验;慢速阶段检索上下文证据并推理其对未来的重塑作用;反思阶段迭代优化以确保一致性。实验表明该方法优于基线,支持免训练推理及通过SFT和RL部署至紧凑模型。

AI 推荐理由

论文核心提出Fast-Slow-Reflect推理框架,重点解决上下文感知的时间序列推理问题。

研究机构
中国科学技术大学认知智能国家重点实验室
论文信息
作者 Xiaoyu Tao, Mingyue Cheng, Bokai Pan, Chuang Jiang, Huanjian Zhang et al.
发布日期 2026-08-04
arXiv ID 2608.03031
相关性评分 9/10 (高度相关)