前 Stripe 预测工程师发文反对时序基础模型：未来属于智能体+结构化模型
anshulkundaje · x · 2026-09-04
曾在美联储、Amazon 供应链和 Stripe 从事预测工作的 shako 发长文《Against Time-Series Foundation Models》，质疑时序基础模型（TSFM）的价值。要点：
- TSFM 借用 LLM 架构与大规模预训练思路，却至今难以证明自己优于存在半个世纪的统计模型，这与基础模型在其他领域的成功形成反差。
- 作者基于多年实操经验（期限结构预测、供应链、队列与财务预测）判断：更大规模 TSFM 不是未来。
- 他的预测是：未来是通用智能体模型针对具体预测问题做搜索，再拟合接近结构化时序模型（structural time-series model）的东西。
- 文章还讨论了「预测到底要解决什么问题」这一更深层的问题，认为 TSFM 可能没有在解真正的问题。
「研究」频道最新
- 研究揭示 KV 缓存打分无用：随机驱逐即可换来 32-43% 更高吞吐 — burny_tech · 2026-09-04
- 图表显示 ARC-AGI-1 竟比 ARC-AGI-3 更难攻克 — burny_tech · 2026-09-04
- 研究员称模型无思维链时间跨度出现大幅跃升 — burny_tech · 2026-09-04
- 新论文提出第四维 scaling:复用权重增加「虚拟逻辑深度」提升推理 — qinzytech · 2026-09-04
- automationbench 基准：astra 正确完成 41.4% 业务工作流创纪录 — jdjohnson · 2026-09-04
- ARGformer 登上 Bioinformatics:把基因谱系拓扑变成 token 学嵌入 — anshulkundaje · 2026-09-04