TimeXer 时序预测
已跟踪模型通过目标历史和历史外生序列进行预测。区分预测起点可得的信息与未来观测，声明采样间隔、历史长度、预测长度、目标及协变量角色，并明确是回顾评估还是部署。采用时间顺序开发和单独保护的最终测试，与适用的持续值或季节性参照比较。
科学背景见时序设计。
AirMosaic 当前提供外部 Python/PyTorch 参考，尚无受控训练或推理适配器。已知未来协变量、多实体及纯历史推理需明确适配。 配置、代码调用及当前检查见对应技能。
使用公共评估设计，在生成实验代码前提交建模计划。