Forecast Workflow Bench：用预算化预测工具评估语言模型决策
原文标题：Forecast Workflow Bench: Evaluating Language-Model Decisions with Budgeted Forecast Tools
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 FWBench，在 1,251 个电力与共享单车案例中评估语言模型如何选择预测模型、历史窗口与预测期，并在成本约束下提交容量决策。GPT-6 Astra 仅使用 2.5% 预算选择性购买廉价短期预测，在三种损失成本权重下均优于固定策略。
- 问题
- 时序基础模型的预测准确率不等于运营决策价值，缺少成本约束下的评估。
- 方法
- FWBench 用固定预测工具与模拟容量合同，让智能体选模型、历史窗口和预测期并提交容量。
- 结果
- GPT-6 Astra 仅用 2.5% 预算选择性购买廉价短期预测，在三种损失成本权重下均优于固定策略。
- 影响
- 为预测模型选型提供决策质量与成本双维度基准，可直接指导运营系统设计。
深读 · 结论先行AI 生成展开看要点与影响 ↓
FWBench 用 1,251 个案例评估模型选预测工具，GPT-6 Astra 仅花 2.5% 预算即胜固定策略。
- •任务：在成本约束下选择预测模型、历史窗口与预测期，并提交容量决策
- •覆盖 1,251 个电力与共享单车案例，使用固定预测工具与模拟容量合约
- •评测 2 个托管配置与 8 个本地配置，含小语言模型，并对比有无 TSFM 的本地模型
- •GPT-6 Astra 选择性购买廉价短期预测，仅用 2.5% 预算
- •在三种损失成本权重下均优于固定策略
为什么重要：把时序预测评估从「准不准」转向「决策值不值」，为智能体在成本约束下使用预测工具提供了可复现的评测口径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。