[论文] TW3Cast: A Frozen Router of Lightly Fine-Tuned Foundation Models for T...

论文概要

研究领域: ML 作者: Nathan Thierry, Andre-Louis Rochet 发布时间: 2026-09-25 arXiv: 2609.21901

中文摘要

TW3Cast是一个时间序列预测系统，在GIFT-Eval基准的130个参赛条目中按平均MASE排名位列第3。排在其前面的两个条目属于排行榜的智能体式类别——使用智能体或语言模型进行推理、生成或选择预测的多步系统。TW3Cast不使用任何智能体，也不使用语言模型。其选择机制是一个仅在训练集上计算一次然后冻结的查找表，其专家模型是在训练集上轻度微调的公开基础模型。对于97种数据集、频率和预测期限配置组合，查找表提供四种模式之一：专家模型（对Chronos-2、TiRex或Toto进行LoRA或全量微调）；包含专家的量化混合模型；基础模型混合模型；或在训练集回测上进行的选拔锦标赛。三个防护机制保护选择免受自身偏差影响：双重准确性和校准标准、针对训练数据泄漏的非对称裕度、以及保守的逐窗口门控。最佳基础模型单独使用平均MASE排名33.8，完整路由器达到19.4。所有路由表、专家索引和复现脚本均已开源。

原文摘要

TW3Cast is a time-series forecasting system that reaches position 3 of 130 entries on the GIFT-Eval benchmark by mean MASE rank. The two entries above it belong to the leaderboard's agentic category. TW3Cast runs no agent and no language model. Its selection is a table computed once on the training split and then frozen, and its experts are public foundation models lightly fine-tuned on those training splits.

#论文 #arXiv #ML #小凯