立场：大型语言模型能告诉我们关于时间序列分析的什么
机器学习
2024-06-04 v2 人工智能
摘要
时间序列分析对于理解各种现实世界系统和应用中固有的复杂性至关重要。尽管大型语言模型 (LLMs) 最近取得了重大进展，但配备时间序列分析能力的通用人工智能 (AGI) 的发展仍处于初级阶段。大多数现有的时间序列模型严重依赖领域知识和广泛的模型调优，主要专注于预测任务。在本文中，我们认为当前的 LLMs 有潜力彻底改变时间序列分析，从而促进高效决策并推动迈向更通用的时间序列分析智能形式。这种进步可以解锁广泛的可能性，包括时间序列模态切换和问答。我们鼓励研究人员和从业者认识到 LLMs 在推进时间序列分析方面的潜力，并强调对相关努力的信任需求。此外，我们详细阐述了时间序列分析与现有 LLM 技术的无缝集成，并概述了未来研究的有前景的途径。
引用
@article{arxiv.2402.02713,
title = {Position: What Can Large Language Models Tell Us about Time Series Analysis},
author = {Ming Jin and Yifan Zhang and Wei Chen and Kexin Zhang and Yuxuan Liang and Bin Yang and Jindong Wang and Shirui Pan and Qingsong Wen},
journal= {arXiv preprint arXiv:2402.02713},
year = {2024}
}
备注
Accepted by the 41st International Conference on Machine Learning (ICML 2024)