研究人员开发了新的方法，将时间序列基础模型（TSFM）与大型语言模型（LLM）集成，以增强推理能力。TS-Reasoner通过两阶段训练过程，专注于将TSFM的潜在表示与LLM的文本输入对齐，与现有模型相比，表现出卓越的性能和数据效率。另一方面，ReasonCast旨在创建一个统一模型，在单次自回归过程中同时生成数值预测和可验证的因果推理链，在预测准确性方面优于LLM和TS模型。 AI
影响 这些进展可能带来更复杂的AI系统，使其能够理解和推理跨各行业的复杂时间序列数据。
排序理由 两篇研究论文介绍了将时间序列模型与LLM集成的新颖方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2510.03519v2 Announce Type: replace Abstract: Time series reasoning is crucial to decision-making in diverse domains, including finance, energy, and scientific discovery. While existing time series foundation models (TSFMs) can capture low-level dynamic patterns and provide…
arXiv:2608.01875v1 Announce Type: cross Abstract: Most time series (TS) models are specialized for a single task, either understanding (i.e., returning text answers about a TS) or generation (i.e., returning a numeric forecast). Only recently have unified models begun to handle t…