TW3Cast登顶GIFT-Eval时序预测榜单

近日，一项名为TW3Cast的新型时间序列预测系统在权威基准GIFT-Eval上取得突破性成绩。截至2026年9月14日，TW3Cast在该榜单130个参赛系统中以平均MASE（Mean Absolute Scaled Error）排名19.4的成绩位列第三，仅次于两个属于“智能体”类别的多步推理系统。值得注意的是，TW3Cast完全不使用任何智能体（agent）或大语言模型（LLM），其核心创新在于一种“冻结路由”（frozen router）架构。

TW3Cast的设计理念强调高效、透明与可复现。系统为GIFT-Eval中涵盖的97种数据集、频率与预测视距（horizon）组合，预先在训练集划分上构建一张静态路由表。该表一旦生成即被冻结，不再随测试数据动态调整。对于每个配置，路由表会从四种模式中选择其一：一是“专家模型”（specialist），即对Chronos-2、TiRex或Toto等公开基础模型进行LoRA或全参数微调，且训练数据经过显式规则清洗与增强；二是包含专家模型的分位数融合（quantile blend）；三是多个基础模型的加权融合；四是基于从训练集中切分出的回测窗口（backtest）所进行的“选拔赛”（selection tournament）。

所有路由决策均基于该回测窗口得出。只有当一个候选专家模型在回测中表现优于当前选拔赛结果时，才会被纳入路由表。这一机制使得每次候选评估仅需几兆字节存储和几分钟GPU时间，失败的候选则不会对系统造成任何影响，极大提升了开发效率与资源利用率。

为防止模型选择过程中的过拟合与偏差，TW3Cast引入了三重防护机制：首先，采用准确率与校准度（calibration）双重标准进行评估；其次，对在训练阶段已接触过目标序列的候选模型施加不对称性能裕度（asymmetric margin）惩罚；最后，设置保守的逐窗口门控（per-window gates）以限制高风险预测。更进一步，这些选择规则本身也是在时间维度上的元回测（temporal meta-backtest）中优化确定的，确保策略的稳健性。

实验结果显示，单独使用最佳基础模型时，平均MASE排名仅为33.8；若在所有配置上统一采用选拔赛机制，排名为38.0；而完整的TW3Cast路由系统则将性能大幅提升至19.4，充分验证了其架构的有效性。研究团队已开源路由表、专家索引、固定版本的基础模型、提交的分数文件以及公共榜单的快照，并提供一键复现脚本，确保所有结果完全可验证。

这一工作展示了在不依赖复杂推理链或大规模语言模型的前提下，通过精心设计的模型选择与融合策略，依然能在时序预测任务中达到顶尖水平，为高效、轻量化的AI预测系统提供了新范式。