08:09berryxia@berryxia78°Google最新论文Nexus颠覆了传统时间序列预测方法,不再仅依赖历史数据,而是引入“事件上下文”进行因果推理。论文提出多agent框架:一个agent从文本提取事件时间线,一个分析宏观趋势,一个监控局部冲击,最后由合成器校准历史误差并给出预测。在Zillow数据集上,Claude驱动的Nexus版本将平均MAPE降低了86.6%。这标志着预测从“模式识别”转向“因果理解”,是方法论上的重大突破。论文时间序列预测多agent框架因果推理GoogleClaude推荐理由:做时间序列预测的团队终于有了新思路——不再死磕历史曲线,而是用多agent理解政策、突发事件等因果因素,效果直接降维打击。搞量化、供应链或金融预测的开发者建议点开,看看怎么把文本推理融入预测流程。原文