SEER：面向时间序列预测的自进化事件推理与检索框架

SEER 是一个面向时间序列预测的闭环框架，将预测误差解耦为反射式检索记忆与持续因果知识库两类反馈机制，分别用于过滤噪声、修正后续检索查询，以及提炼可迁移的领域动态。框架在事件检索与反思过程中强制严格的时间顺序约束，以防止前视偏差和数据泄露。在六个波动性时间序列 benchmark 上，SEER 持续超越现有 SOTA 时序基础模型和大语言模型基线。