CastFSR：用于上下文感知时间序列预测的快—慢—反思智能体推理框架

英文标题：CastFSR: A Fast--Slow--Reflect Agentic Reasoning Framework for Context-Aware Time Series Forecasting

论文提出 CastFSR，一种面向上下文感知时间序列预测的快—慢—反思（Fast--Slow--Reflect）智能体推理框架。该研究指出，在复杂系统中，未来动态不仅受历史观测值影响，也受到持续变化的上下文特征影响。论文聚焦利用大语言模型（LLM）增强时间序列预测中的推理与上下文建模能力，对需要结合业务、环境或事件信息的预测应用具有潜在意义。该论文以 arXiv:2608.03031v1 的新论文形式发布。

2.6 KB 2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB