XForecast：评估时间序列预测的自然语言解释
计算与语言
2024-10-22 v2
摘要
时间序列预测有助于决策，尤其是对于依赖准确预测作出判断的利益相关者而言，更重要的是要理解和解释这些模型，以确保做出明智的决定。传统的可解释人工智能（XAI）方法通常需要专业知识，而自然语言解释（NLE）则更易于非专业人士理解。然而，由于时间序列数据中存在复杂的因果关系，评估预测 NLE 仍然具有挑战性。为此，我们引入了两个基于可模拟性的新指标，评估人类代理如何利用解释来预测模型的预测。实验表明，这些指标能够区分优质与不良解释，并与人类判断相吻合。利用这些指标，我们进一步评估了最新大语言模型（LLM）生成时间序列数据解释的能力，发现数值推理而非模型规模是影响解释质量的主要因素。
引用
@article{arxiv.2410.14180,
title = {XForecast: Evaluating Natural Language Explanations for Time Series Forecasting},
author = {Taha Aksu and Chenghao Liu and Amrita Saha and Sarah Tan and Caiming Xiong and Doyen Sahoo},
journal= {arXiv preprint arXiv:2410.14180},
year = {2024}
}