SEER：面向时间序列预测的自进化事件推理与检索框架

SEER 是一个闭环框架，通过将预测误差转化为两种解耦反馈机制来动态优化事件条件：反思式检索记忆用于精炼搜索查询并过滤噪声，持久因果知识库用于蒸馏可迁移的领域动态。该框架在事件检索与反思中强制严格时间边界，防止前视偏差和数据泄漏。在六个高波动时间序列基准上，SEER 持续优于 SOTA 时间序列基础模型和语言模型基线。