研究人员开发了一个名为LLM作为预测规划器（rc）的新颖框架，该框架将大型语言模型（LLM）与时间序列基础模型（TSFM）集成，以改进文本条件化预测。这种无训练方法将预测视为一个规划问题，其中TSFM生成数值续写，LLM根据自然语言上下文指导这些轨迹的选择和评估。使用Chronos和TimesFM等TSFM以及各种LLM进行的实验表明，在不同的模型组合中性能持续提升。 AI
影响 该框架通过利用LLM而无需重新训练，为文本条件化时间序列预测提供了一种新方法，有可能改善对上下文事件敏感领域的预测。
排序理由 该条目描述了一篇研究论文中提出的新颖框架和实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Chronos
- LLM as Forecasting Planner
- Monte Carlo tree search
- Ranker LLM
- Time-MMD
- Time Series Foundation Models
- TimesFM
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
