免费网站建站方法,寿光 网站建设,长沙装修公司口碑比较好的,Wordpress球队网站本文是LLM系列文章#xff0c;针对《TIME-LLM: TIME SERIES FORECASTING BY REPROGRAMMING LARGE LANGUAGE MODELS》的翻译。 time-llm:通过重新编程大型语言模型来预测时间序列 摘要1 引言2 相关工作3 方法4 主要结果5 结论和未来工作 摘要
时间序列预测在许多现实世界的动…本文是LLM系列文章针对《TIME-LLM: TIME SERIES FORECASTING BY REPROGRAMMING LARGE LANGUAGE MODELS》的翻译。 time-llm:通过重新编程大型语言模型来预测时间序列 摘要1 引言2 相关工作3 方法4 主要结果5 结论和未来工作 摘要
时间序列预测在许多现实世界的动态系统中具有重要意义并得到了广泛的研究。与自然语言处理(NLP)和计算机视觉(CV)不同单个大型模型可以处理多个任务时间序列预测模型通常是专门的需要针对不同的任务和应用进行不同的设计。虽然预训练的基础模型在NLP和CV领域取得了令人印象深刻的进步但它们在时间序列领域的发展受到数据稀疏性的限制。最近的研究表明大型语言模型(llm)对复杂的符号序列具有强大的模式识别和推理能力。然而挑战仍然存在如何有效地将时间序列数据和自然语言的模式结合起来以利用这些功能。在这项工作中我们提出了time - llm这是一个重编程框架可以在主干语言模型保持完整的情况下将llm重新用于一般时间序列预测。我们首先用文本原型重新编程输入时间序列然后将其输入到冻结的LLM中以对齐两种模式。为了增强LLM对时间序列数据进行推理的能力我们提出了提示作为前缀(PaP)它丰富了输入上下文并指导了重编程输入补丁的转换。最后对LLM变换后的时间序列补丁进行投影得到预测结果。我们的综合评估表明time - llm是一个强大的时间序列学习器优于最先进的专业预测模型。此外TIME-LLM在few-shot和zero-shot学习场景中都表现出色。
1 引言
2 相关工作
3 方法
4 主要结果
5 结论和未来工作
time - llm通过将时间序列数据重新编程为对llm来说更自然的文本原型并通过Prompt-as-Prefix提供自然语言指导来增强推理能力从而有望将冻结的大型语言模型用于时间序列预测。评估表明经过调整的llm可以胜过专门的专家模型表明它们作为有效的时间序列机器的潜力。我们的结果还提供了一种新颖的见解即时间序列预测可以作为另一种“语言”任务可以由现成的LLM处理通过我们的time -LLM框架实现最先进的性能。进一步的研究应该探索最佳的重编程表示通过持续的预训练用明确的时间序列知识丰富llm建立多模态模型跨模态联合推理并应用重编程框架为llm注入额外的新功能。
