本文解释了使用大型语言模型进行零样本时间序列预测，并将其与传统预测方法区分开来。在零样本预测中，模型的权重不会针对特定的时间序列数据进行训练；相反，在推理时，整个序列都包含在提示中。模型利用其对一般时间序列模式的预训练知识，而提示数据则提供了具体的证据。作者强调，尺度归一化可能存在问题，特别是对于间歇性数据或近期状态发生变化的序列，在这种情况下，较短的上下文窗口可能更有效。实际限制是模型的上下文窗口大小，它决定了可以处理多少历史数据来识别季节性等模式。 AI
影响 展示了 LLM 在时间序列预测方面的新应用，有可能减少对特定任务模型训练的需求。
排序理由 文章详细介绍了 LLM 在一项特定研究任务（时间序列预测）中的新颖应用，而没有正式的论文或模型发布。[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 →
