[LG]《Rethinking Multimodal Time-Series Forecasting Evaluation》H Liu, Y Zhou, R Sen, B. A Prakash… [Google Research & Georgia Institute of Technology] (2026)

在多模态时间序列预测领域，构建公正且具有泛化性的评估基准是一个悬而未决的难题。过去的方法受困于数据规模极小、合成痕迹重以及严重的测试集泄露，本质原因是现有基准缺乏真实世界的多样化文本语境，且无法应对预训练大模型不断更新的知识边界。

本文的核心洞见是：把基准测试构建重新看作一个由自动化智能体驱动的动态蒸馏过程。由此，提出的 TimesX 框架通过 Hypothesizer-Verifier-Enricher 多智能体流水线，实现了时间戳严格对齐的实时数据抓取与事实核查，确保了在零泄露前提下，将元数据、节假日、协变量和实时事件四类高纯度文本与数值序列深度耦合。

这项工作真正留下的遗产是确立了大规模、跨领域且可自动更新的多模态预测评估标准，揭示了简单集成模型在真实复杂语境下往往优于复杂智能体修正方法的现状。它为后来者打开的新门是利用动态刷新的真实语境提升模型鲁棒性，但尚未跨过的门槛是低频长周期数据的覆盖以及多语言环境下语境语义的深度融合。

arxiv.org/abs/2607.06973 机器学习 人工智能 论文 AI创造营