CastFlow: Quadro Agente Dinamico per la Previsione di Serie Temporali

CastFlow introduce un quadro innovativo che impiega un metodo agente dinamico per la previsione di serie temporali utilizzando modelli linguistici di grandi dimensioni (LLM). A differenza dei modelli generativi statici tradizionali che prevedono valori futuri dai dati passati in un unico passaggio, CastFlow suddivide la previsione in fasi distinte: pianificazione, azione, previsione e riflessione, tutte potenziate da un modulo di memoria. Questa struttura facilita l'estrazione di pattern temporali multivista, l'acquisizione di caratteristiche contestuali attraverso più round, il perfezionamento iterativo delle previsioni e la creazione di previsioni d'insieme. Supera efficacemente i limiti degli attuali approcci basati su LLM, che faticano nell'estrazione di pattern temporali e nell'acquisizione del contesto in un unico round. Questa ricerca è disponibile su arXiv con l'identificatore 2604.27840.