Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Кодирующие агенты смогли воспроизводить статьи, сравнивать модели временных рядов и искать новые методы в общей рабочей среде. В препринте, который не прошёл рецензирование и приводит числа самих авторов, TSFLab снизил расход токенов вне кэша на выполненную задачу на 11–66%. Такой подход позволяет менять агента, не собирая заново предметные знания, код моделей и правила экспериментов.
Общая среда заменяет повторный поиск и настройку
Прогнозирование временных рядов работает с последовательностями значений во времени: спросом, нагрузкой на энергосеть, погодой или биржевыми котировками. Чтобы сравнить методы, недостаточно запустить их на одном наборе данных. Нужно одинаково разделить данные, масштабировать их только по обучающей части, выбрать контрольную точку по проверочной части и рассчитать одни и те же метрики.
Обычный кодирующий агент восстанавливает эти условия по статье, репозиторию и библиотекам для каждой задачи. Ошибка может перейти из официального кода в следующие работы: реализация Informer, например, отбрасывала последний пакет тестовых данных. Если агент просто копирует существующий конвейер, конечные числа выглядят правдоподобно, но сравнивают методы в разных условиях.
TSFLab выносит предметную инфраструктуру за пределы конкретного агента. Рабочая среда содержит 323 модели, 93 набора данных и 71 повторно используемый блок моделей. Один агент может добавить и проверить реализацию, второй — включить её в сравнение, а третий — использовать тот же эксперимент при разработке нового метода.
Знания хранятся послойно. Краткое описание помогает отобрать кандидатов, карточка фиксирует возможности, параметры, ограничения и историю проверки, а исходные материалы нужны для спорных решений. Агенту не приходится каждый раз читать весь код, чтобы выяснить, поддерживает ли модель дополнительные признаки или многомерный прогноз.
Эксперименты задаются конфигурацией, а общий исполнитель проверяет совместимость модели и данных, ограничения по ресурсам и правила оценки. Он сохраняет версии данных, начальные значения генераторов, окружение, контрольные точки и результаты. Прерванный запуск можно продолжить, а уже завершённый — не повторять.
Новые реализации проходят автоматические тесты и отдельную проверку по статье и закреплённой версии официального кода. Исправления попадают в общую среду: найденная ошибка меняет не только текущий запуск, но и последующие задачи других агентов.
Общий протокол повысил долю принятых результатов
Среду проверяли на воспроизведении четырёх статей без официального кода, сравнении методов на двух новых наборах данных и пилотной разработке моделей на ETTh1 и Weather. Основные запуски выполнял Codex CLI с GPT-6 Luna; ему давали те же задания, данные, сетевой доступ и вычислительные бюджеты, что вариантам с TSLib, TFB и пустым проектом на PyTorch.
TSFLab завершил 12 из 12 попыток воспроизведения и получил принятый результат в 42 из 48 сравнений. Среди запланированных измерений 73% отклонялись от ошибки из исходной статьи не более чем на одну десятую; у остальных вариантов доля составила 21–46%. Рабочая среда одновременно сократила время, число обращений к инструментам и объём нового кода на один принятый результат.
Разбор компонентов показал, почему библиотека моделей сама по себе не решает задачу. Без предметных инструкций агенты неверно делили ETTh1, без структурированных карточек реже использовали общие блоки, а без единого исполнителя писали собственный код обучения и иногда подбирали параметры по тестовой части. Наличие готовой модели ещё не гарантирует корректный эксперимент.
Командам нужен общий экспериментальный слой, а не собственный агент
Работа меняет архитектурный план для команд, которые регулярно воспроизводят исследования или поддерживают внутренний набор сравнений. Предметные знания, реализации и правила оценки лучше хранить в отдельном слое, а Claude Code, Codex или другой совместимый агент использовать как заменяемого исполнителя. Тогда переход на новую модель агента не требует переносить весь исследовательский процесс.
Из TSFLab можно перенести четыре решения: декларативное описание эксперимента, каталог проверенных компонентов, постепенную выдачу подробностей агенту и обязательную проверку перед добавлением результата в общую базу. Особенно важна фиксация происхождения артефактов: версия статьи, исходный код, параметры, данные и среда должны оставаться связаны с результатом.
Подход рассчитан на повторяющиеся исследования, где несколько задач используют одни модели и протоколы. Для одиночного прогноза готовая библиотека может оказаться проще, поскольку создание карточек, тестов и процедуры приёмки требует отдельной поддержки.
Проверка охватывает только прогнозирование временных рядов. Пилот разработки улучшил точность в выбранных условиях, но не создал метод, который заметно превосходит ведущие модели в целом. Практический результат работы — не автономный исследователь, а инфраструктура, которая уменьшает повторную работу и сохраняет проверенные решения между агентами.
Источники
Иллюстрация: рисунок из статьи «TSFLab: A Self-Improving Agent-Agnostic Workbench for Time Series Forecasting Research», ChengAo Shen, Yanjun Zhao, Haoxin Liu и др., CC BY 4.0
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
