立场：通用时间序列基础模型建立在范畴错误之上

本立场论文主张，对“面向时间序列的通用基础模型”的追求建立在一个根本性的范畴错误之上，即将结构性的容器误当作语义性的模态。我们认为，由于时间序列承载着互不兼容的生成过程（如金融与流体动力学），单体模型会退化为昂贵且在分布漂移下无法泛化的“通用过滤器”。为解决这一问题，我们提出“自回归盲区界”（Autoregressive Blindness Bound），一个证明仅依赖历史的模型无法预测干预驱动的机制转变的理论极限。我们提倡用因果控制智能体范式取代通用性，其中智能体利用外部上下文来编排一个专门求解器层级，从冻结的领域专家到轻量的即时（Just-in-Time）适配器。我们最后呼吁将基准从“零样本准确率”转向“漂移适应速度”，以优先考虑稳健的、基于控制论的系统。