Oct, 2024
通过模态对齐重新审视大型语言模型在时间序列分析中的应用
Revisited Large Language Model for Time Series Analysis through Modality
Alignment
TL;DR本研究针对大型语言模型（LLMs）在时间序列分析中的应用效果进行了深入实验，发现与简单的线性回归模型相比，LLMs在预测、分类、填补和异常检测等核心任务中表现无明显优势，甚至可能扭曲数据的时间结构。研究表明，时间序列数据的内在特性和结构才是LLM方法在此类任务中效果的主要来源，而非与语言模型架构的有效对齐。