研究人员开发了 FETA，一个新颖的多智能体框架，用于使用 LLM 进行无训练时间序列分类。该方法将时间序列数据分解为特定通道的问题，检索相似的标记示例，并使用推理 LLM 将查询数据与这些示例进行分类。FETA 旨在通过避免预训练或微调来提高效率和可解释性，并在基准数据集上展示了具有竞争力的准确性，优于几个训练过的基线。 AI
影响 展示了一种新方法，无需针对特定任务的训练即可利用 LLM 完成时间序列分类等专业任务。
排序理由 这是一篇研究论文，详细介绍了使用 LLM 进行时间序列分类的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
