GIFT-Eval-CTX 上下文时序预测基准发布

论文作者团队在 arXiv 发布 GIFT-Eval-CTX 基准，用于评估时序预测模型、前沿 LLM 与 Agent 系统能否利用已验证的未来信息生成准确的数值轨迹。基准基于 GIFT-Eval 构建，包含来自 20 个数据集的 10,000 个实例，用宏观效应描述整个预测区间、微观效应描述局部变化。 作者用结合 LLM 发现与确定性代码验证的 agentic 流程构造效应标注，并称结构化效应使 GPT-5.6 Sol 相对仅用历史信息的提示降低聚合相对 MASE 40.7%，Claude Opus 4.8 降低 29.6%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。