StarCast 逐星方舟

以“星”为共同意象，围绕情境感知时间序列预测与自主研究智能体，构建从模型训练、自主研究、交互预测到基准评测的开源生态。 其中，铸星坊铸预测之器，智多星谋自主之研，观星阁观未来之势，天星台立评测之尺。

逐星方舟生态图谱

StarCast 不是单一系统，而是一组围绕 LLM-based Time Series Research 的协同项目： CastMind 提供推演基础模型底座，CastStar 与 CastClaw 构成推演智能体系统，NeoResearch 支撑自主研究闭环， CastFactory 沉淀训练与实验工厂，FutureCast 负责基准评测与能力校准。

CastMind（星思） 面向时间序列的认知大模型，提供时序感知、情境理解、慢思考推理与记忆交互能力。
Model Backbone
CastStar（星辰） 工具增强的时间序列推演智能体，联动证据获取、工具调用、反思验证与预测修正。
Agentic Forecasting
CastClaw（观星阁） 人在回路的预测研究工作台，把规划、预测、批判与人类确认组织成可控流程。
Interactive Workbench
NeoResearch（智多星） 自主研究闭环，围绕研究假设、模型配方、实验执行、结果归因和研究记忆迭代。
Research Agent
CastFactory（铸星坊） LLM-based Multimodal Time Series 模型训练工厂，串联数据契约、CPT-SFT-RL 与 recipe 复现。
Training Factory
FutureCast（天星台） 面向时序模型与智能体系统的统一评测基准，衡量预测、解释、证据使用与系统收益。
Benchmark Suite

时间序列推演基础模型

以时序结构感知、情境理解、慢思考推理与记忆检索为核心，把预测从数值外推推进为可解释、可修正的未来推演。

Time Series Foundation Model 主页已开放 · 能力建设中

CastMind（星思）

CastMind（星思）希望把时间序列预测从一次性的数值外推，推进到可诊断、可解释、可修正的认知推理过程。 模型需要同时具备时序结构感知、外部情境理解、Long CoT 式慢思考分析，以及与 Memory 环境交互的经验条件推理能力。

  • 时序感知能力：理解趋势、周期、波动、异常、突变和季节性等基础结构，对历史序列进行诊断，而不只是直接输出预测值。
  • 情境理解能力：理解天气、节假日、区域活动、突发新闻和产业状态等外部因素与预测目标之间的语义关系和影响机制。
  • 慢思考推理能力：围绕当前趋势、潜在扰动、未来可能路径和不确定性来源进行分步分析，区别于 fast-thinking 式一次性预测。
  • 记忆交互能力：检索历史相似模式、失败预测经验、领域规律、推理轨迹和过往分析结论，形成 experience-conditioned reasoning。
查看CastMind（星思）主页
时序感知 情境理解 慢思考推理 记忆交互

时间序列推演智能体系统

CastStar（星辰）关注工具增强的时序推演智能体，CastClaw（观星阁）关注人在回路的预测研究工作台， 两者共同支撑从证据获取、推理决策到交互校验的时间序列推演流程。

模型-环境协同的时间序列预测智能体系统 主页已开放

CastStar（星辰）

CastStar（星辰）是面向时间序列推演的工具增强智能体系统，通过工具调用、证据获取、认知推理、 反思验证与预测修正，实现对复杂系统未来趋势的可解释、可追溯、可验证推演。

  • Agentic Forecasting：将预测过程建模为多步分析、证据选择、工具调用和预测决策。
  • 工具增强推理：调用统计工具、检索系统、可视化分析、异常检测和小预测模型获取证据。
  • 反思修正机制：通过验证工具和反馈信号检查预测结果、工具行动与推理过程，并进行修正。
查看 CastStar（星辰）主页
人机物协同的时间序列预测智能体系统 主页已开放

CastClaw（观星阁）

面向时间序列预测研究的人机协同智能体框架。CastClaw 通过 Planner、Forecaster、Critic 三个专属智能体编排完整预测流程， 并在关键节点引入人类确认，将数据分析、特征工程与经典时序模型能力封装为可扩展的运行时工具箱。

  • 多智能体协同：Planner / Forecaster / Critic 分工编排预测流程
  • 人在回路机制：关键计划、实验与结果节点支持确认、暂停和修正
  • 研究工作台：实验沙盒、数据分析工具、特征分析与时序模型工具箱
查看CastClaw（观星阁）主页
Agentic Workflow Tool-augmented Human-in-the-loop Forecast Correction

面向时间序列预测的AutoResearch智能体系统

NeoResearch（智多星）关注受控自主研究闭环，将研究假设、模型配方、实验执行、结果归因与研究记忆组织成可复现的系统化时序研究流程。

01Generate hypotheses and candidate recipes
02Close the loop with controlled experiments + memory
Forecast Research Operating System 主页已开放 · 研究闭环建设中

NeoResearch（智多星）

面向时间序列预测小模型研发的自主研究智能体系统，将研究假设、模型配方、受控实验、评估归因与研究记忆串成可复现闭环， 支持从问题定义到候选方案迭代的系统化研究流程。

  • 研究假设生成：基于任务指纹和历史记忆提出候选研究方向
  • CandidateRecipe 搜索：在受限协议内组合模型结构、训练策略与评估方案
  • 受控研究闭环：实验执行、结果归因、keep / discard 与研究记忆沉淀
查看 NeoResearch 主页
Research Hypothesis Controlled Experiment Result Attribution Research Memory

面向时序研究的开源基础设施

CastFactory（铸星坊）关注 LLM-based Multimodal Time Series 模型训练与 recipe 复现， FutureCast（天星台）关注模型、数据集与应用场景的统一评测，共同支撑更高效、可复现、可扩展的时序研究与应用落地。

01Build research pipelines with CastFactory（铸星坊）
02Evaluate models and systems with FutureCast（天星台）
LLM-based TS Training Factory 主页已开放

CastFactory（铸星坊）

面向科研人员的 LLM-based Multimodal Time Series 模型训练工厂，以统一数据契约串联多模态样本构建、 CPT-SFT-ReasoningRL / AgenticRL 训练、消融评测与 training recipe 复现。

  • 多模态时间序列数据契约与 evidence pack 构建
  • CPT-SFT-RL 三阶段训练与 ReasoningRL / AgenticRL 接口
  • 面向论文实验的 recipe、ablation matrix 与 evaluation report
查看 CastFactory（铸星坊）主页
Evaluation Suite 主页已开放

FutureCast（天星台）

面向时序模型与智能体系统的统一评测套件，覆盖 benchmark 管理、指标计算、误差归因和报告生成， 帮助研究者在一致口径下比较模型能力与系统收益。

  • 预测、分类、异常检测等任务的评测协议
  • 跨数据集、跨场景、跨模型的指标对齐
  • 面向 ablation、diagnosis 和 leaderboard 的报告结构
查看 FutureCast（天星台）主页