When Tomorrow Becomes Today: Self-Evolving Policies for Agentic Time-Series Forecasting
当明天成为今天：自进化策略用于智能体时序预测
🧭 Agent 自进化 · 延迟反馈策略
Ant International · Tsinghua University · The Chinese University of Hong Kong
将时序预测智能体的延迟反馈转化为专家信任、路径选择与干预强度的持久联合更新
📌 工作参考价值（3 点）
- 延迟反馈无需额外标注：在电商推荐 Agent 中，每次请求同时记录多路召回/排序/策略路径的预测结果，待真实转化/点击回流后用 realized outcome 评估整个候选集，为在线策略更新提供免费监督信号。
- 自进化策略分层更新：借鉴 frozen backbone + 外层策略微调，只更新专家信任权重、路径路由概率、干预强度等轻量参数，避免频繁更新 LLM/大模型 backbone，工程上更稳定且易回滚。
- predict-reveal-update 协议可嵌入推荐 Agent 编排：如搜索推荐中由 LLM 调度多个模型（语义召回、协同过滤、生成式推荐），通过每轮真实反馈持续调整各专家贡献度，自动适应流量/季节/活动变化。