TimeRSI: verso una messa in produzione agentica capace di migliorarsi autonomamente per i modelli fondazionali per le serie temporali

Abstract degli autori

I modelli fondazionali per le serie temporali offrono previsioni zero-shot di buona qualità, ma il loro impiego in applicazioni reali richiede ancora di progettare input e output specifici per ciascun compito. L’inferenza diretta può non tenere conto delle conoscenze di dominio e degli errori di previsione ricorrenti, mentre le pipeline su misura richiedono notevoli competenze e un notevole impegno umano. Presentiamo TimeRSI, un sistema agentico di messa in produzione che si migliora autonomamente, costruito attorno a modelli di previsione con parametri congelati. Un agente di programmazione traduce le descrizioni dei compiti in modifiche eseguibili delle pipeline. Verifica ogni revisione su finestre di previsione storiche e usa gli errori osservati per orientare le revisioni successive. Durante l’impiego, un selettore adattivo sceglie tra le pipeline così ottenute sulla base di previsioni già completate in condizioni simili. Su 198 compiti di TIME e fev-bench, TimeRSI supera tutte le soluzioni presentate secondo sei metriche per le previsioni puntuali e probabilistiche. I confronti controllati confermano il valore delle revisioni guidate dal feedback rispetto alla ricerca non iterativa di pipeline. Ulteriori esperimenti ne verificano la capacità di generalizzazione con diversi agenti di programmazione e modelli di previsione. Il codice è disponibile all’indirizzo https://github.com/haoxin1998/TimeRSI.