用途：使用 Reverso 基础模型家族（arXiv:2602.17634）进行零样本单变量时间序列预测，以 NumPy/Numba 实现，可在纯 CPU 容器中运行。
主要能力：对一维浮点序列做零样本预测，内部处理 NaN 插值、填充、min-max 归一化和自回归滚动。上下文窗口为 2048 步，短序列用首值左填充，长序列只取最近 2048 个观测。
使用方式：每次对话先安装并复制脚本：uv pip install numba --system --break-system-packages，然后复制 reverso.py 与 load_checkpoint.py。权重可从 HuggingFace 直接下载（路径 A），若网络不可达则请用户上传 checkpoint.pth（路径 B）。加载权重后配置 ReversoConfig(d_model=64, module_list=["conv","attn","conv","attn"])，调用 warmup_jit() 做约 2 秒 JIT 编译，再用 forecast(series, prediction_length, weights, config) 预测。输入可为列表、NumPy 数组、CSV 列或内联值，CSV 需确认目标列。可用 matplotlib 绘制历史与预测对比图。
性能与限制：L=2048 单次前向约 65–80ms，96 步预测约 160ms。容器内建议拒绝超过约 1500 次前向（约 100 秒）的批量请求，可先估算 n_forwards = n_series * n_windows * max(1, pred_length // 48)。模型在周期性或准周期信号且具备完整 2048 点上下文时效果最好；短于约 200 点的序列因大量填充而质量下降，这是模型限制。二值输入和序列恰好落在 min-max 边界属于分布外情况。flip_equivariant=True 可略微改善单步预测，但多步滚动可能削弱振幅，默认 False。架构细节见 references/architecture.md。