冻结的时序基础模型不再直接上线：让编码智能体改部署管线，198个任务六项指标居首
核心概要
时序基础模型零样本预测强，但落地仍要人手工设计输入输出管线。TimeRSI让编码智能体围绕权重冻结的预测模型反复改写预处理、特征、上下文选择与后处理代码，用历史预测窗口的误差指导下一轮修改，部署时再按相似历史条件在候选管线间选择。在TIME与FEV-bench共198个任务上，它在六项点预测与概率预测指标上优于全部已公开提交；相对同一冻结TimesFM 3.0的直接推理，TIME的MASE降1.52%、CRPS降1.61%。
深度剖析
部署环节本身成了可自动改进的对象，而预测模型的权重始终不动。 此前把时序基础模型用于真实任务，需要人工把节假日、潮汐周期这类任务知识写成输入输出设计；直接推理则把这些知识和反复出现的预测误差留在原处。 在TIME全部98个任务与FEV-bench全部100个任务上，TimeRSI在六项点预测与概率预测指标上取得所比较的32份TIME提交与31份FEV-bench提交中的最好成绩。
智能体把任务描述翻译成可执行的管线改动，并按历史误差决定下一步改什么。 改动落在四个阶段：预处理、特征构造、上下文选择和后处理，因此既能改模型看到的输入，也能改输出的组合与系统性偏差校正。 较早的历史窗口用于迭代改代码，较晚的一组历史窗口用于挑出进入部署集的候选管线；默认配置为TimesFM 3.0搭配Claude Code，搜索上限六轮。
部署时按当前条件逐目标挑管线，而不是固定用一条平均表现最好的管线。 选择器用近期历史与参考预测的数值特征描述当前情形，检索结果已完整观测的相似窗口，比较各候选在这些窗口上相对参考管线的误差。 对照实验中，提出同样数量候选但不做反馈迭代的搜索在两个基准上都劣于直接推理，而TimeRSI优于直接推理。
启示与展望
已展示的范围是两个公开基准上的离线评测：TIME的98个任务与FEV-bench的100个任务，默认主干为权重冻结的TimesFM 3.0，默认编码智能体为Claude Code。系统依赖清晰的任务与变量描述，才能把数值模式与领域知识对应起来；案例覆盖供应链、停车、洋流、太阳能计数、汽车生产季节因子、COVID报告与大气变量。
历史窗口上的增益不保证延续到未来预测，分布偏移仍是时序预测的开放问题；案例中的任务级改进是聚合结果，并非每个国家或窗口都改善。对比使用各基线已发布的配置，而非统一算力预算；FEV-bench 一侧为待审提交。