BRIDGE：基于多智能体迭代优化与扩散建模的文本引导时间序列生成
机器学习
2025-09-08 v7 计算与语言
多智能体系统
摘要
时间序列生成（TSG）是一个重要的研究领域，在仿真、数据增强和反事实分析中具有广泛应用。尽管现有方法在无条件单领域 TSG 中展现出潜力，但实际应用需要能够根据特定领域约束和实例级需求进行受控生成的跨领域方法。在本文中，我们论证文本可以提供语义洞察、领域信息和实例特定的时序模式，以指导和改进 TSG。我们引入了“文本控制 TSG”，这是一项专注于通过结合文本描述来生成真实时间序列的任务。为解决该场景下的数据稀缺问题，我们提出了一种新颖的基于 LLM 的多智能体框架，用于合成多样化、真实的文本到时间序列数据集。此外，我们提出了 BRIDGE，这是一种混合的文本控制 TSG 框架，它将语义原型与文本描述相结合以支持领域级指导。该方法在 12 个数据集中的 11 个上实现了 SOTA 的生成保真度，并且与无文本输入生成相比，在 MSE 上将可控性提高了 12%，在 MAE 上提高了 6%，突显了其生成定制时间序列数据的潜力。
引用
@article{arxiv.2503.02445,
title = {BRIDGE: Bootstrapping Text to Control Time-Series Generation via Multi-Agent Iterative Optimization and Diffusion Modeling},
author = {Hao Li and Yu-Hao Huang and Chang Xu and Viktor Schlegel and Renhe Jiang and Riza Batista-Navarro and Goran Nenadic and Jiang Bian},
journal= {arXiv preprint arXiv:2503.02445},
year = {2025}
}
备注
ICML 2025 Main Conference