研究人员推出了一种新颖的框架 CodeTS，用于从自然语言描述生成时间序列数据。该方法将任务重新构建为文本到代码到时间序列的过程，其中自然语言提示首先被翻译成决定时间模式的可执行代码，然后执行该代码以生成时间序列。CodeTS 利用对齐的文本-代码-时间序列三元组进行监督初始化，并采用具有可验证奖励的强化学习来训练模型，而无需直接的代码注释，从而确保格式有效性、代码可执行性和时间序列质量。在八个基准上的实验表明，CodeTS 的性能优于现有的基于 LLM 的基线和监督生成模型，为文本到时间序列生成提供了强大的零样本解决方案。 AI
影响 引入了一种新颖的基于代码的时间序列生成方法，与直接的 LLM 生成相比，有可能提高准确性和可验证性。
排序理由 该集群包含一篇详细介绍文本到时间序列生成新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- LLM-based baselines
- Reinforcement Learning with Verifiable Rewards
- Text-to-Code-to-TS
- Text-to-Time Series Generation
- Text-to-TS
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
