一个 Transformer 当 Manager，按上下文把每个输入硬路由给一个 Worker，训练和推理都硬路由，省掉 MoE 软路由那笔推理开销。五个富情境数据集，四个预测视界，再加两种归一化，200 组比较里 162 组赢过自己的独立版本，81%；最佳 CATF 在 20 个设置里 19 个超过最佳独立基线，15 个超过零样本 Time-MoE。
先数一遍分母：5 乘 4 乘 2 是 40 个组合，报出来的却是「20 个设置」，归一化那一维去哪了？再说 200 组，同一数据集在多个 Worker 骨架上被反复计数，162 场胜利彼此并不独立，81% 不能当 200 次独立抛硬币。自行车共享那个案例反倒最实：Manager 按日历派活，每个 Worker 专精一种周内模式，这条能画出来，也能被别人复现。
机制上还有笔账：硬路由确实只跑一个 Worker，可 Manager 自己也是个 Transformer，它那次前向有没有算进「推理成本」？摘要给的是定性判断，没给秒数。派一个人去挑人干活，工钱也得记在账上。
该盯的是路由错了会怎样。硬路由没有软路由那套加权兜底，一次错派就是整段预测交出去；论文报了精度，没报路由错误率。