TW3Cast：无智能体冻结路由器登顶 GIFT-Eval 前三

在时间序列预测领域，"用大模型或智能体调度一切"成为近一年的潮流。然而一篇 2026 年 9 月挂出的 arXiv 论文给出了一个反例：TW3Cast 完全没有调用任何智能体或语言模型，仅靠一张在训练集上一次性计算并冻结的路由表，就在 GIFT-Eval 基准的 130 个参赛系统中冲到第三名（截至 2026-09-14，按平均 MASE 排名计）。排在前两名的方案都属于"智能体类"——依赖智能体或语言模型进行多步推理、生成或挑选预测；TW3Cast 是前几名中唯一不依赖这类机制的系统。

核心思路：一张表决定一切

TW3Cast 的核心是一张"路由表"。这张表在训练集上计算一次之后便冻结，不再更新。对于 GIFT-Eval 中 97 种"数据集 × 频率 × 预测步长"的配置，路由表会从中挑选四种模式之一来生成预测：

• 专家模式（specialist）：对 Chronos-2、TiRex 或 Toto 等公开基础模型做 LoRA 或全参数微调得到一个专家模型，其训练数据经过显式规则清洗与增强。
• 分位数混合（quantile blend）：包含一个专家模型的混合方案。
• 基础模型混合：直接混合多个基础模型的预测。
• 锦标赛（tournament）：在从训练集切出的回测集上比较候选模型，挑选胜者。

每一个候选专家只要在回测集上击败锦标赛方案即可被纳入路由表——一个失败候选几乎不消耗任何资源（几 MB 存储、几分钟 GPU 时间），而被纳入的候选会"挤掉"原先的胜者。

三重机制防止自欺欺人

为了让这张冻结表不会陷入自选择偏差，TW3Cast 设计了三重防护：

• 精度 + 校准双重准则：不仅要求预测更准，还要求预测的不确定性估计要可靠。
• 对见过该序列的候选施加非对称惩罚：防止模型因为"记住了训练集"而显得过强。
• 保守的逐窗门槛：对每个窗口的提升幅度设保守阈值，避免小幅波动触发切换。

更关键的是，这些选择规则本身也是在一个"时序元回测"框架下选出来的。

效果：路由器比单一基线强得多

论文给出的对比数字很有说服力：

• 仅使用表现最好的单个基础模型，平均 MASE 排名为 33.8。
• 把锦标赛方案在所有配置上直接跑一遍，平均 MASE 排名为 38.0（甚至比单模型略差）。
• 完整的路由器方案达到平均 MASE 排名 19.4，远超上述两个基线。

这说明真正的收益来自"按配置挑选专家"这一行为本身，而不是单模型或单策略的自然表现。

开源与可复现

作者承诺释放以下资产以便完全复现：

• 路由表本身
• 专家模型索引
• 锁定的基模型版本号
• 提交时的分数文件
• 当时公开榜单的有时间戳快照

论文中出现的每一个榜单数字，都可以由一个脚本从这些资产中重新生成。这种"只靠训练集 + 公开基模型 + 一张冻结表"的极简组合，对正在争论"智能体是否必要"的时间序列社区是一个有力回应。