PulseAugur
中
实时 07:47:51
English(EN) ConceptTS: LLM-Guided Concept Bottlenecks for Interpretable Multivariate Time-Series Forecasting

ConceptTS框架使用LLM进行可解释的时间序列预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了ConceptTS，一个用于可解释时间序列预测的新框架。该系统利用大型语言模型来识别和定义与预测任务相关的人类可读概念。然后，通过三个不同的瓶颈将这些概念整合到模型中，从而实现透明的决策过程并能够进行直接的概念级干预。在空气质量数据上的实验表明，ConceptTS在提供有意义的概念激活的同时，实现了与现有黑盒模型相当的准确性。 AI

影响 引入了一种新颖的方法，使复杂的时间序列模型更加透明和易于理解。

排序理由 该集群包含一篇详细介绍新型可解释预测框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

ConceptTS框架使用LLM进行可解释的时间序列预测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yichen Jiang, Yueqiao Chen, Dongyu Liu ·

    ConceptTS：LLM驱动的概念瓶颈用于可解释的多变量时间序列预测

    arXiv:2608.21277v1 Announce Type: new Abstract: State-of-the-art multivariate time-series forecasters can model complex temporal and cross-variable dependencies, yet their opaque representations provide limited insight into why a particular forecast is produced. This lack of tran…

相关实体

相关话题