多智能体按证据通道加权融合，效果与简单基准模型相当。
资讯摘要
论文提出 FACTS-MAS，一种领域无关的多智能体预测框架，将证据拆分为时间动态、外生上下文、季节性、结构信息和离散事件等专用通道，各智能体通过统一接口独立产出可检验预测，并用防泄漏的历史验证衡量其相对朴素基准的预测能力，据此加权融合，剔除或降权无信息证据。作者在 Zillow 房源库存与 FRED 失业金申请数据上对 15 个美国都市区做 4、8、13 周预测，称优于朴素末值法和 TimesFM，但因子调整指数平滑模型与融合结果相当。
要点速读
- 框架按证据类型拆分智能体，用历史验证的技能估计决定权重与取舍
- 在 Zillow 房源库存和 FRED 失业金申请数据上覆盖 15 个美国都市区、4/8/13 周预测期
- 作者报告其表现优于朴素末值法和 TimesFM，但因子调整指数平滑模型与融合预测相当
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。