使用大语言模型细化时间序列异常检测器
计算与语言
2025-03-31 v1
摘要
时间序列异常检测（TSAD）在金融、医疗和制造等多个行业中引起广泛关注。尽管已 developed 众多自动检测方法，但仍需人工监督来审查和处理检测到的异常，并验证其准确性。我们研究了利用多模态大语言模型（LLM）来部分自动化此过程的可能性。我们发现，LLM 能够通过整合时间序列图的视觉检查与数据生成过程的文本描述，有效识别误报。利用 LLM 的能力，我们旨在减少维持 TSAD 系统所需的人力成本。
引用
@article{arxiv.2503.21833,
title = {Refining Time Series Anomaly Detectors using Large Language Models},
author = {Alan Yang and Yulin Chen and Sean Lee and Venus Montes},
journal= {arXiv preprint arXiv:2503.21833},
year = {2025}
}
备注
Main content: 4 pages, 1 figure, 1 table