TimeRouter：时间序列基础模型的高效自适应路由

时间序列基础模型（TSFM）作为新兴代理时间序列系统中的预测专家越来越多地被探索。然而，TSFM 表现出异质归纳偏差，并且没有一个模型能够在整个预测体系中始终占据主导地位，这使得专家选择成为一项严峻的挑战。现有系统通常将此决策委托给基于 LLM 的控制器，从而产生大量推理开销。我们提出了 TimeRouter，这是一种高效的路由框架，它通过轻量级判别式路由、选择性门控和集成回退来利用预训练 TSFM 池中的经验互补性。具体来说，TimeRouter 结合了学习路由头、选择性门和集成回退，无需在推理时调用 LLM 即可实现自适应专家选择。 TimeRouter 在 GIFT-EVAL 排行榜上实现了最先进的性能，LB MASE 为 0.6765。除了基准性能之外，我们的消融研究还为 TSFM 路由设计提供了实证见解，强调了池组成和选择性门控的重要性。总而言之，这些结果将 TimeRouter 定位为基于基础模型池构建的未来代理时间序列系统的模块化和轻量级路由层。我们的代码可从 https://github.com/UConn-DSIS/TimeRouter 获取。