ИССЛЕДОВАНИЕ · RESEARCH · #929
TimeEvo: самоэволюция агентов для временных рядов на основе сбоев
Статья (arXiv:2609.27277v1) фиксирует две проблемы агентов для задач по временным рядам: библиотека из 21 экспертного инструмента может ухудшать точность обнаружения аномалий на всех бэконах, а одна итерация общей самопереработки изменила 147 ответов и сломала 56 при почти нулевом приросте итоговой оценки. Авторы предлагают TimeEvo — метод, который кластеризует диагностированные сбои в пробелы в возможностях, планирует измерения, синтезирует «только-доказательные» инструменты и пропускает кандидатов через парный допуск; на десяти задачах и трёх бэконах TimeEvo, начиная с пустой библиотеки, повышает точность; код доступен на GitHub.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Статья (arXiv:2609.27277v1) фиксирует две проблемы агентов для задач по временным рядам: библиотека из 21 экспертного инструмента может ухудшать точность обнаружения аномалий на всех бэконах, а одна итерация общей самопереработки изменила 147 ответов и сломала 56 при почти нулевом приросте итоговой оценки.
- Авторы предлагают TimeEvo — метод, который кластеризует диагностированные сбои в пробелы в возможностях, планирует измерения, синтезирует «только-доказательные» инструменты и пропускает кандидатов через парный допуск; на десяти задачах и трёх бэконах TimeEvo, начиная с пустой библиотеки, повышает точность; код доступен на GitHub.
- Показывает автоматический механизм роста и валидации библиотек инструментов на основе ошибок, который последовательно повышает качество ответов по временным рядам и снижает риски неправильного подбора инструментов и самопереработки.
ПОЧЕМУ ЭТО ВАЖНО
Показывает автоматический механизм роста и валидации библиотек инструментов на основе ошибок, который последовательно повышает качество ответов по временным рядам и снижает риски неправильного подбора инструментов и самопереработки.