大语言模型能否用作时间序列异常检测器？
机器学习
2024-08-08 v1 人工智能
摘要
大语言模型（LLM）的一个新兴应用领域是时间序列预测，利用其处理时间序列的规律性和模式性特征。一个相关但鲜有探索且更具挑战性的问题是，LLM 能否检测并解释时间序列异常，这是各种实际应用中的关键任务。本文研究了 LLM（特别是 GPT-4 和 LLaMA3）在检测和解释时间序列异常方面的能力。我们的研究发现：1) LLM 不能直接用于时间序列异常检测。2) 通过设计提示策略，如上下文学习和思维链提示，GPT-4 可以检测时间序列异常，其结果与基线方法相当。3) 我们提出了一种合成数据集方法，用于自动生成带有相应解释的时间序列异常。通过对该数据集进行指令微调，LLaMA3 在时间序列异常检测任务上表现出改进的性能。总之，我们的探索显示了 LLM 作为时间序列异常检测器的巨大潜力。
关键词
引用
@article{arxiv.2408.03475,
title = {Can LLMs Serve As Time Series Anomaly Detectors?},
author = {Manqing Dong and Hao Huang and Longbing Cao},
journal= {arXiv preprint arXiv:2408.03475},
year = {2024}
}