基于大型语言模型的时间序列推理与智能体系统综述

时间序列推理将时间作为一等轴向，并将中间证据直接纳入答案。本综述定义了该问题，并依据推理拓扑组织文献，分为三个家族：一种步骤中的直接推理、以显式中间步骤的线性链式推理，以及探索、修订和聚合的分支结构推理。该拓扑与该领域的主要目标交叉，包括传统时间序列分析、解释与理解、因果推断与决策制定，以及时间序列生成，同时一套紧凑的标签覆盖这些轴向，捕捉分解、验证、集成、工具使用、知识获取、多模态性、智能体循环和LLM对齐 regimes。跨领域回顾方法与系统，展示每种拓扑启用什么地方以及在忠实度或鲁棒性方面的哪里会失败，同时提供支持研究和部署的精选数据集、基准和资源（https://github.com/blacksnail789521/Time-Series-Reasoning-Survey）。保持证据可见并在时间上对齐的评估实践被强调，同时提炼出在不确定性与可观测制品 grounding之间匹配拓扑、为漂移和流式处理规划、将成本和延迟视为设计预算的指导方针。我们强调，推理结构必须在 grounding 与自我纠正的能力之间进行权衡，同时考虑计算成本和可重复性，而未来的进展很大程度上将取决于将推理质量与实用性挂钩的基准，以及在 shift-aware、流式和长期视角下进行 cost-risk trade-off 的闭环测试平台。综上所述，这些方向标志着从狭义准确率向规模可靠性的转变，使系统能够以可追溯的证据和可信的结论，分析、理解、解释和行动于动态世界。