TW3Cast
一种基于静态冻结路由表的时序预测系统，通过训练阶段确定的路由策略从多种预测模式中选择，结合LoRA微调与集成方法，无需智能体或大语言模型即可实现高精度时序预测
时间轴 (近 90 天)
TW3Cast在GIFT-Eval时序预测基准上排名第3（130个参赛条目中，按平均MASE排名），排名快照日期为2026-09-14
TW3Cast不使用任何智能体，也不调用语言模型
排在TW3Cast前面的两个GIFT-Eval条目属于榜单的智能体类别（agentic category）
TW3Cast的核心是一张在训练集上计算一次、随后被彻底冻结的路由表，没有运行时动态决策
TW3Cast面对GIFT-Eval上97种数据集、频率与预测跨度的配置组合，路由表对每种配置从四种模式中选择一种
TW3Cast对Chronos-2、TiRex和Toto这三个公开时序基础模型做LoRA或全量微调
TW3Cast路由表里的每一个决策都是在从训练集划出的回测集上做出的，完全没有触碰测试集
TW3Cast的候选准入机制：专家模型只要在回测锦标赛上击败当前结果就被立即接纳，尝试新候选只需几兆字节存储和几分钟GPU时间
TW3Cast使用三道守卫机制防止选型偏差：准确性与校准双重标准、针对性非对称边际、保守的逐窗口门控
TW3Cast的选择规则本身通过时序元回测（temporal meta-backtest）挑选，形成嵌套式验证
还有 3 条时间轴事件
全部知识事实 (13)
TW3Cast在GIFT-Eval时序预测基准上排名第3（130个参赛条目中，按平均MASE排名），排名快照日期为2026-09-14
50%待验证TW3Cast不使用任何智能体，也不调用语言模型
50%待验证排在TW3Cast前面的两个GIFT-Eval条目属于榜单的智能体类别（agentic category）
50%待验证TW3Cast的核心是一张在训练集上计算一次、随后被彻底冻结的路由表，没有运行时动态决策
50%待验证TW3Cast面对GIFT-Eval上97种数据集、频率与预测跨度的配置组合，路由表对每种配置从四种模式中选择一种
50%待验证TW3Cast对Chronos-2、TiRex和Toto这三个公开时序基础模型做LoRA或全量微调
50%待验证TW3Cast路由表里的每一个决策都是在从训练集划出的回测集上做出的，完全没有触碰测试集
50%待验证TW3Cast的候选准入机制：专家模型只要在回测锦标赛上击败当前结果就被立即接纳，尝试新候选只需几兆字节存储和几分钟GPU时间
50%待验证TW3Cast使用三道守卫机制防止选型偏差：准确性与校准双重标准、针对性非对称边际、保守的逐窗口门控
50%待验证TW3Cast的选择规则本身通过时序元回测（temporal meta-backtest）挑选，形成嵌套式验证
50%待验证论文对比数据：单独最佳基础模型平均MASE排名33.8，每配置跑锦标赛选型38.0，完整路由器19.4
50%待验证单纯锦标赛选型（38.0）表现不如最佳单模型（33.8），说明逐配置择优会因过拟合回测而受损
50%待验证TW3Cast公开了路由表、专家索引、固定版本号的基础模型、提交的分数文件及公开分数的带日期快照，论文中每个榜单数字都能通过一个脚本重新生成
50%