論文の概要: CastWorld: Benchmarking Context-Aware Agentic Time Series Forecasting Beyond Predictive Accuracy
- arxiv url: http://arxiv.org/abs/2611.15262v2
- Date: Fri, 13 Nov 2026 18:08:52 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:24:48.543575
- Title: CastWorld: Benchmarking Context-Aware Agentic Time Series Forecasting Beyond Predictive Accuracy
- Title(参考訳): CastWorld:予測精度を超えたコンテキスト対応エージェント時系列予測のベンチマーク
- Abstract要約: 本稿では,文脈対応時系列予測のためのエージェントベンチマークであるCastWorldを紹介する。
コンテキスト豊富なデータセットスイートは8つのドメインと25の現実世界のデータセットにまたがる。
CastWorldは、制御された条件下でエージェント時系列の予測を評価するための再利用可能な基盤を提供する。
- 参考スコア(独自算出の注目度): 16.239490324035557
- License:
- Abstract: Agentic time series forecasting extends conventional approaches beyond one-shot numerical prediction toward autonomous, context-aware interaction. However, existing benchmarks offer limited integrated support for diverse contextual information, forecasting-specific adaptive interactions, and systematic evaluation of forecasting agents. In this paper, we introduce CastWorld, an agentic benchmark for context-aware time series forecasting. First, its context-rich dataset suite spans 8 domains and 25 real-world datasets, covering external variables, events, and historical cases under a unified context specification. Second, a lightweight, modular forecasting-native harness provides 49 core tools and a state-adaptive loop that tracks forecast versions and enables iterative evidence gathering and forecast revision. Intermediate forecasts can expose information gaps, while newly acquired evidence guides subsequent revisions and final version selection. Third, model-level evaluation assesses forecast quality, process execution, behavioral trustworthiness, and resource efficiency through decision trajectories and forecast-version histories. Also, systems-level evaluation compares predictive accuracy across forecasting systems. Experiments reveal distinct decision behaviors among agents with comparable accuracy. Additional interactions do not necessarily improve forecasts, and agents may fail to select their best previously generated predictions. Allowing evidence acquisition during forecast refinement improves task-aware forecast scores across all three evaluated models. CastWorld provides a reusable foundation for evaluating agentic time series forecasting under controlled conditions.
- Abstract(参考訳): エージェント時系列予測は、自律的文脈認識インタラクションへの1ショットの数値予測を超えて、従来のアプローチを拡張している。
しかし、既存のベンチマークでは、多様な文脈情報、予測固有の適応的相互作用、予測エージェントの体系的評価を限定的にサポートしている。
本稿では,文脈対応時系列予測のためのエージェントベンチマークであるCastWorldを紹介する。
まず、コンテキストに富んだデータセットスイートは、8つのドメインと25の現実世界のデータセットにまたがっており、統合されたコンテキスト仕様の下で外部変数、イベント、過去のケースをカバーする。
第二に、軽量でモジュール化された予測ネイティブハーネスは、49のコアツールと、予測バージョンを追跡し、反復的なエビデンス収集と予測修正を可能にする状態適応ループを提供する。
中間予測は情報ギャップを露呈し、新たに取得された証拠はその後の修正と最終バージョンの選択をガイドする。
第3に、モデルレベルの評価は、予測品質、プロセス実行、行動信頼性、資源効率を評価する。
また、システムレベルの評価は予測システム間で予測精度を比較する。
実験では、同等の精度でエージェント間で決定的な振る舞いを明らかにする。
追加の相互作用は必ずしも予測を改善するものではなく、エージェントが以前に生成した最高の予測を選択するのに失敗する可能性がある。
予測精算中にエビデンスを取得することで、3つの評価モデルすべてに対するタスク認識予測スコアが向上する。
CastWorldは、制御された条件下でエージェント時系列の予測を評価するための再利用可能な基盤を提供する。
関連論文リスト
- CivWorldBench: Evaluating Language World Models in Structured Multi-Agent Sandbox Worlds [54.553784788457484]
マルチエージェント戦略ゲームエンジン上に構築されたベンチマークであるCivWorldBenchを紹介する。
475の世界の1,900の意思決定ポイントは、関連予測、信念推論、介入予測という3つのタスクレベルをサポートする。
複合ベンチマークスコアは、一致したモデルパネル上の現実の予測リーダーボードと相関する。
論文 参考訳(メタデータ) (2026-10-12T09:16:29Z) - Proper Scoring Rule-based Diffusion for Probabilistic Weather Forecasting [59.015610520217734]
我々は,コンテキストとその劣化バージョンから,同じ将来状態を予測できる補助的条件記述タスクを導入する。
推測時には、予測器は、完全に破損したエンドポイントにおいて、単一の前方通過で各アンサンブル部材を生成することができる。
論文 参考訳(メタデータ) (2026-09-29T22:47:10Z) - When Tomorrow Becomes Today: Self-Evolving Policies for Agentic Time-Series Forecasting [14.841808660862375]
我々はTimEvolveを紹介した。TimEvolveは、現実の成果を専門家信頼、エージェントパスの選択、介入強度の永続的な更新に変換する時系列エージェントである。
8つの Time-MMD ドメインにわたる実験により、TimEvolve は15の手法の中で MSE と MAE の最高位を達成している。
論文 参考訳(メタデータ) (2026-09-21T16:33:59Z) - From Narrative to Auditable Forecasts: A Structured Scaffold for Agentic Forecasting [28.10023756949099]
AuditForecastは構造化確率予測のためのエージェント的な足場である。
予測を適切な定量的ベースラインモデルで固定し、モデル誘導データ検索を使用してベース確率を導出し、モデルの範囲外で状況要因を更新する。
AuditForecastは、予測構築を明確にし、系統的なポストホック分析をサポートする監査可能な予測レポートを生成する。
論文 参考訳(メタデータ) (2026-09-05T05:58:39Z) - Position: Beyond Model-Centric Prediction -- Agentic Time Series Forecasting [49.05788441962762]
エージェント時系列予測(ATSF)は,認識,計画,行動,反射,記憶からなるエージェントプロセスとして再編成される。
ワークフローに基づく設計、エージェント強化学習、ハイブリッドエージェントワークフローパラダイムという3つの代表的な実装パラダイムを概説し、モデル中心の予測からエージェント予測に移行する際に生じる機会と課題について議論する。
論文 参考訳(メタデータ) (2026-02-02T08:01:11Z) - When Rigidity Hurts: Soft Consistency Regularization for Probabilistic
Hierarchical Time Series Forecasting [69.30930115236228]
確率的階層的時系列予測は時系列予測の重要な変種である。
ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。
ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
論文 参考訳(メタデータ) (2023-10-17T20:30:16Z) - When Rigidity Hurts: Soft Consistency Regularization for Probabilistic
Hierarchical Time Series Forecasting [69.30930115236228]
確率的階層的時系列予測は時系列予測の重要な変種である。
ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。
ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
論文 参考訳(メタデータ) (2022-06-16T06:13:53Z) - Computing the ensemble spread from deterministic weather predictions
using conditional generative adversarial networks [0.0]
本稿では,深層学習アルゴリズムを用いて,アンサンブル予測システムの統計的特性を学習することを提案する。
訓練が終わると、将来のアンサンブル予測を得るためには、コストのかかるアンサンブル予測システムがもはや不要になる。
論文 参考訳(メタデータ) (2022-05-18T19:10:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。