El banco de trabajo TSFLab eleva un 20–163% la tasa de tareas completadas por agentes en previsión de series temporales

Investigadores del grupo D2I han presentado TSFLab, un «banco de trabajo» para que los agentes de IA trabajen con previsión de series temporales (TSF). Es una infraestructura que vive fuera del propio agente: no cambia ni el modelo ni su entorno de ejecución (harness) y se conecta a cualquier agente de programación compatible. En los experimentos de reproducción de artículos y benchmarking, el banco de trabajo elevó la tasa de tareas completadas un 20–163% y redujo un 11–66% el consumo de tokens nuevos por cada tarea completada, en comparación con las configuraciones base.

Por qué los agentes lo tienen difícil en TSF

Los autores parten de un problema del propio campo. Cada vez se publican más trabajos sobre previsión de series, pero el código se comparte poco: de los 1707 artículos de arXiv publicados desde 2020, aproximadamente uno de cada cinco incluye un enlace al código. Los investigadores, sobre todo los principiantes, tienen que reimplementar a mano los métodos básicos y montar pipelines de evaluación. Además, las implementaciones independientes pueden diferir en la configuración de los experimentos y resultan difíciles de mantener.

Las bibliotecas con métodos ya implementados tampoco logran seguir el ritmo de las publicaciones. Según el artículo, una de ellas pasó de 18 a 41 métodos, aunque desde 2024 han aparecido más de 1200 artículos nuevos. En abril de 2026 sus autores anunciaron que dejaban de mantener el proyecto por falta de mantenedores.

El uso directo de agentes de programación se topa con dos problemas. El primero es que el conocimiento se actualiza despacio: el modelo solo sabe lo que había en sus datos de entrenamiento, y repetir la búsqueda web en proyectos grandes resulta caro en tokens. Las fuentes encontradas pueden ser incompletas o poco fiables, y los errores sin verificar se propagan al trabajo posterior. Como ejemplo, los autores citan el código oficial de un modelo que, durante la evaluación, descartaba por error el último batch de prueba, lo que afectó a la configuración de muchos estudios posteriores.

El segundo problema son las configuraciones incoherentes. Los agentes que configuran los experimentos por separado se apoyan en fuentes distintas. El resultado son planteamientos e implementaciones diferentes y resultados que no se pueden comparar, y los equipos acaban repitiendo experimentos en vano.

De qué se compone el banco de trabajo

La principal diferencia con trabajos anteriores es que el banco de trabajo está fuera del agente. Los agentes existentes para TSF desarrollan su propio harness y no se benefician automáticamente de la llegada de agentes más nuevos. El banco de trabajo, en cambio, puede conectarse a cualquier agente compatible y aprovechar sus capacidades crecientes. El agente reproductor añade al banco implementaciones verificadas, el agente de benchmarking las utiliza y un tercer agente toma los benchmarks ya preparados para desarrollar métodos nuevos.

TSFLab tiene cuatro módulos. TSF-Domain Guide familiariza al agente con los procedimientos habituales, los protocolos de evaluación y las trampas conocidas: a las instrucciones introductorias se suman 17 skills para tareas concretas. Por ejemplo, al añadir un dataset nuevo, la skill pide identificar los campos temporales, las variables a predecir y la frecuencia, y después comprobar si la previsión se evalúa sobre un único objetivo o sobre todas las variables. Así, las métricas se mantienen coherentes entre métodos.

Knowledge Structurer descompone los modelos existentes en bloques reutilizables y organiza métodos, bloques y datasets en una estructura única. Cada elemento tiene una «ficha de conocimiento» que se lee por niveles: resumen, ficha y código fuente. Los resúmenes sirven para seleccionar; las fichas describen capacidades, parámetros, interfaces y limitaciones; y en el código fuente están los artículos y el código de referencia. El agente toma tanto detalle como exige su decisión y no lee todo el código ni todos los datos. El banco de trabajo integra 323 modelos y 93 datasets, y los componentes comunes se han extraído en 71 bloques; 263 métodos usan al menos uno de ellos.

Experiment Workflower ejecuta los experimentos declarados por el agente mediante un runner único. Valida las configuraciones y reporta los resultados con protocolos unificados. Recursive Improver se encarga del automantenimiento: comprueba con regularidad cada método contra su artículo y su código oficial, e incorpora al banco común los métodos, bloques, datasets y conclusiones verificados. Se actualiza de forma independiente de las versiones de los propios agentes.

Qué mostraron los experimentos

Los experimentos abarcaron la reproducción, el benchmarking y un estudio piloto de desarrollo de métodos. En las dos primeras tareas, el banco de trabajo elevó la tasa de tareas completadas un 20–163% y redujo un 11–66% el consumo de tokens nuevos por tarea completada en todas las configuraciones base. En el piloto de desarrollo de métodos, los agentes con el banco de trabajo gastaron entre un 32,8% y un 73,6% menos de tokens nuevos y entre un 9,2% y un 68,8% menos de tiempo que en el resto de modos.

Los autores subrayan que aquí un resultado correcto es una tarea ejecutada exactamente como se pedía, y que el coste se calcula por tarea completada. Para los equipos que construyen agentes de investigación, la conclusión es práctica: una capa de conocimiento común y verificable y un lanzamiento unificado de experimentos ahorran tokens y hacen comparables los resultados de distintos agentes. El código está publicado en el repositorio D2I-Group/TSFLab de GitHub.