用于知识驱动预测的可追溯多Agent系统

企业预测越来越依赖自主的代理，这些代理能够解读文档、搜索数据、生成代码和修订模型。这种自主性有助于构建适应性的预测管道，但同时也使实践者难以检查为什么预测发生了变化，哪些证据支持了这一变化，以及如何调整数据和模型选择。我们提出了TraceMAS，这是一个交互式的演示系统，用于可追踪的多代理预测。TraceMAS将代理输出组织在两个因果循环图表示中：理想因果循环图（Ideal CLD），它捕捉从领域文档提取的关键因素及其因果关系；数据导向因果循环图（Data-Grounded CLD），它将这些因素与内部变量、外部数据或文档中的替代品链接起来。数据导向因果循环图指导特征构建和模型设计，同时保留文本证据、数据选择和模型修订之间的联系。我们展示了TraceMAS在原油价格预测上的应用。演示界面允许用户比较预测迭代、检查代理级别的修订、探索因果地图、审查特征-数据映射和模型架构，并将场景预测与市场叙事连接起来。这个演示展示了自主的预测代理如何保持灵活性，同时使证据到预测的过程可追踪。