MemCast: 경험 기반 추론을 통한 메모리 기반 시계열 예측

MemCast: Memory-Driven Time Series Forecasting with Experience-Conditioned Reasoning

시계열 예측(TSF)은 다양한 실제 응용 분야의 의사 결정에 중요한 역할을 합니다. 최근 LLM 기반 예측 모델이 상당한 발전을 이루었습니다. 그러나 기존 방법은 종종 명시적인 경험 축적 및 지속적인 발전이 부족합니다. 본 연구에서는 경험 기반 추론 작업을 통해 TSF를 재구성하는 학습-메모리 프레임워크인 MemCast를 제안합니다. 구체적으로, 우리는 학습 데이터로부터 경험을 학습하고 이를 계층적 메모리에 구성합니다. 이는 예측 결과를 역사적 패턴으로 요약하고, 추론 경로를 추론 지혜로 증류하며, 추출된 시간적 특징을 일반 법칙으로 유도함으로써 달성됩니다. 또한, 추론 과정에서 역사적 패턴을 활용하여 추론 과정을 안내하고, 추론 지혜를 사용하여 더 나은 경로를 선택하며, 일반 법칙은 반성적 반복을 위한 기준으로 사용됩니다. 또한, 지속적인 발전을 가능하게 하기 위해, 테스트 데이터 분포를 유출하지 않고 개별 항목의 신뢰도를 업데이트하는 동적 신뢰도 적응 전략을 설계했습니다. 여러 데이터 세트에 대한 광범위한 실험 결과, MemCast가 기존 방법보다 일관되게 우수한 성능을 보이는 것으로 나타났으며, 이는 제안하는 접근 방식의 효과성을 입증합니다. 저희 코드는 https://github.com/Xiaoyu-Tao/MemCast-TS 에서 확인할 수 있습니다.

Time series forecasting (TSF) plays a critical role in decision-making for many real-world applications. Recently, LLM-based forecasters have made promising advancements. Despite their effectiveness, existing methods often lack explicit experience accumulation and continual evolution. In this work, we propose MemCast, a learning-to-memory framework that reformulates TSF as an experience-conditioned reasoning task. Specifically, we learn experience from the training set and organize it into a hierarchical memory. This is achieved by summarizing prediction results into historical patterns, distilling inference trajectories into reasoning wisdom, and inducing extracted temporal features into general laws. Furthermore, during inference, we leverage historical patterns to guide the reasoning process and utilize reasoning wisdom to select better trajectories, while general laws serve as criteria for reflective iteration. Additionally, to enable continual evolution, we design a dynamic confidence adaptation strategy that updates the confidence of individual entries without leaking the test set distribution. Extensive experiments on multiple datasets demonstrate that MemCast consistently outperforms previous methods, validating the effectiveness of our approach. Our code is available at https://github.com/Xiaoyu-Tao/MemCast-TS.