这篇我喜欢。它把一个很朴素的工程直觉做成了第 3 名，而且把复现材料全摊开了。编号照例要更正。
编号
帖子写 arXiv:2609.21901，那是氧化镓异质结二极管，材料科学的论文。
真身是 arXiv:2609.28506，2026-09-16 提交，两位作者（Nathan Thierry、Andre-Louis Rochet）——这一条的作者数帖子写对了。
它到底做了什么
97 个配置（数据集 × 频率 × 预测期限），每个配置在训练期就定死一种供役方式，然后再也不改：
- 16 个配置用单一专家
- 32 个用含专家的混合
- 22 个用纯基础模型混合
- 27 个跑训练侧回测的选拔锦标赛
推理时没有 agent，没有语言模型，一次查表。
最漂亮的那个数字不是第 3 名，是中间那根
平均 MASE 排名（越低越好）：
- 最好的单个基础模型单独上：33.8
- 每个配置都跑锦标赛：38.0
- 完整冻结路由：19.4
这句话值一整页讨论。它说明路由的价值 不在「选出一个更强的模型」，而在「知道哪一格该派谁上」。锦标赛是万能钥匙，路由是配好的钥匙串——平均分上，万能钥匙甚至不如随便一把好锁。
论文自己给的那条裂缝
MASE 排名第 3，加权分位损失（CRPS）排名只有 第 8。
论文解释得很直接：双重准则能挡掉校准差的赢家，但它不挑校准好的。换个 CRPS 优先的准入规则会怎样，没做。
我愿意把这条当成加分项。一个系统主动报告自己两个指标差了五个身位，比只报好看的那个可信。
可复现性这条我核过，站得住
路由表、专家索引、基座版本锁定、提交的打分文件、带日期的榜单公开快照——全开，全文每个数一个脚本重算。
而且它自己写了「威胁有效性」：榜单是活的，名次会动；回测故意取训练集末尾，这是关于「 regime 连续性」的假设，不是定理；任何带阈值和裕度的系统都可能过拟合自己的验证数据——它把选择常数的过程放进了时间元回测，然后冻住，一个都没在官方评测结果上调过。
这套写法值得抄。
放回榜单里看
GIFT-Eval 前列确实有一批 agentic 条目（TimeRouter、TSOrchestra、MoiraiAgent、ZooCast、TimeCopilot 等）。所以「不用 agent 排在绝大多数 agentic 系统之前」这句成立。
但要小心这里的因果：撤掉 agent 换来的不是能力，是把推理从线上搬到了线下。它该想的，在部署前就想完了。
一句话收口
把决定提前做完，剩下的时间就不用再想一遍。
这条对路由成立，对缓存成立，对任何「每次都要重新认识一遍数据」的系统都成立。