CastStar 是一个面向时间序列推演的工具增强智能体系统，通过主动调用时序分析、知识检索、情境获取、预测模型和验证工具，围绕历史序列、外部情境与领域知识开展证据驱动的认知推理、趋势推演与预测修正，从而实现复杂系统未来趋势的可解释、可追溯、可验证预测。
CastStar 的核心技术哲学是通过工具调用实现证据驱动的时间序列推演：智能体首先借助时序分析、统计建模和可视化工具理解历史数值序列中的趋势、周期、波动和异常；随后自主收集天气、事件、政策、新闻、知识库和相似案例等情境线索；进一步围绕这些多源证据开展上下文认知推理，判断未来趋势在特定情境下的延续、增强、削弱、偏移或反转，并通过反思验证与预测修正形成可靠的推演结果。
CastStar 的技术主张不是“又一个 Time Series LLM”，而是系统探索 Agentic RL for Time Series Forecasting： 让模型学习如何分析、查证、调用工具、形成预测并通过反馈修正。
传统工作关注预测模型结构，CastStar 关注预测过程中的智能行为： 模型不只是输出未来值，而是学习如何感知序列状态、规划分析步骤、 选择证据来源，并在多轮决策中形成更可靠的预测。
CastStar 构建支持 Agent 与时序数据交互的环境， 让模型能够调用统计工具、小预测模型、检索系统、可视化分析、 异常检测和知识库，把预测从黑箱输出转变为证据驱动的预测决策。
CastStar 把预测过程从一次性生成升级为多步推理和决策过程。 Agent 在每一轮中维护任务状态，判断是否需要新证据，调用工具后再更新上下文与预测假设。
一句话论文 claim： CastStar 证明了时间序列预测可以被建模为一个可验证的智能体推理问题： 大模型能够通过工具调用、情境证据获取和预测反馈强化学习，逐步提升复杂系统预测能力。
CastStar 借助 Harness Engineering 思想构建了面向时间序列预测的工具环境， 为智能体提供可操作、可反馈、可验证的外部行动空间， 使模型能够在预测过程中主动感知数据、分析模式、调用模型、修正判断：
归一化、去噪、重采样、异常点标记，为后续分析和模型调用提供干净规范的时序输入。
插值补全、缺失片段标记与不确定性估计，支持非完整时序数据下的鲁棒预测。
平稳性检验、自相关与偏自相关分析、趋势检验，帮助模型理解序列的基本统计属性。
趋势分解（STL / EMD）、周期强度提取、统计特征计算，将数值序列转化为可推理的语义特征。
傅里叶变换、频谱分析、主频提取，识别隐藏的周期结构和频率域模式，辅助趋势归因。
协变量时间对齐、外部信号融合与相关性分析，将多源异构情境信号引入预测推理过程。
DLinear、PatchTST 等轻量化专家模型按需调用，提供快速数值参考，辅助智能体形成预测判断。
误差评估、置信区间验证与多模型结果对比，为智能体的反思修正提供可验证的外部反馈信号。
CastStar 采用三阶段递进训练路径：SFT 让模型会做，Reasoning 让模型会想， Agentic RL 让模型会行动。这一路线面向已有语言模型， 不以构建新的时序基础模型底座为核心目标，而是训练模型在 Harness 工具环境中进行 自主工具调用、上下文推理和多轮预测决策。
输入：高质量专家轨迹 + 工具调用协议 + 标准预测流程
负责让模型学会基本预测任务格式、时间序列 Token 输入理解、工具调用协议和标准工作流。 专家轨迹覆盖如何读取原始时序 Token、理解情境上下文、调用数据预处理 / 特征抽取 / 小模型工具，以及如何整合结果输出预测。
输入：推理数据蒸馏 + CoT 构造 + 过程监督 / 偏好优化
负责强化模型的上下文推理和工具反馈推理能力。这个阶段不一定需要 RL， 可以先通过推理数据蒸馏、CoT 数据构造、过程监督或偏好优化， 让模型学会分析趋势、周期、异常、外部事件影响，并解释工具结果和预测不确定性。
输入：Harness 工具环境交互 + 多源奖励信号
最核心阶段。模型在 Harness 构建的工具环境中进行多轮交互，学习何时调用工具、 调用哪个工具、如何组合工具链、如何利用工具结果更新上下文、 何时停止交互并输出预测。重点优化行动策略，而不是基础表征能力。 奖励可来自最终预测误差、过程奖励、工具调用成本、工具结果有效性和上下文更新质量。
CastStar 的关键在于把预测结果、工具行动和推理过程共同纳入可验证反馈。 奖励不是单一误差指标，而是面向 Agentic Forecasting 的多目标信号组合。
CastStar 的评估同时覆盖预测结果、智能体行为和可解释推理。 关键问题不是“是否会写解释”，而是“工具调用和反思修正是否真正提升预测质量”。
| 评估维度 | 关注问题 | 典型指标 |
|---|---|---|
| 数值预测 | 最终预测是否更准 | MAE · MSE · RMSE · sMAPE · MASE · CRPS |
| 趋势与结构 | 是否识别趋势、周期、转折和异常 | Direction Accuracy · Turning-point F1 · Pattern Hit Rate |
| 工具调用 | 是否调用了必要工具并控制成本 | Tool Recall · Tool Precision · Action Cost · Invalid Call Rate |
| 情境证据 | 是否利用外生变量、事件和领域知识 | Context Attribution · Evidence Use Rate · Counterfactual Robustness |
| 推理一致性 | 推理过程是否支持最终预测 | Prediction-Reasoning Consistency · Constraint Satisfaction |
| 反思修正 | 修正后是否比初始预测更好 | Revision Gain · Error Reduction · Violation Reduction |