English(EN) LLM-Integrated Bayesian State Space Models for Multimodal Time-Series Forecasting

新的LBS框架统一了LLM和SSM用于多模态时间序列预测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-31 04:00

研究人员开发了一个名为LLM集成贝叶斯状态空间模型（LBS）的新概率框架，用于多模态时间序列预测。该框架结合了状态空间模型（SSM）骨干和预训练的大语言模型（LLM），以联合预测数值和文本数据。LBS允许灵活的输入和输出范围，提供不确定性量化，并提高时间泛化能力。在TextTimeCorpus基准上的实验表明，LBS的性能比之前的最先进水平提高了13.20%，并能生成人类可读的预测摘要。 AI

影响这项研究为多模态时间推理提供了新的基础，有可能提高具有数值和文本数据的领域的预测准确性和可解释性。

排序理由该集群描述了一篇关于时间序列预测新模型架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇关于时间序列预测新模型架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 10 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Sungjun Cho, Changho Shin, Suenggwan Jo, Xinya Yan, Shourjo Aditya Chaudhuri, Frederic Sala · 2026-10-31 04:00

面向多模态时间序列预测的集成大型语言模型的贝叶斯状态空间模型

arXiv:2510.20952v1 Announce Type: cross Abstract: Forecasting in the real world requires integrating structured time-series data with unstructured textual information, but existing methods are architecturally limited by fixed input/output horizons and are unable to model or quant…

本文如何被排名

报道来源 [1]

面向多模态时间序列预测的集成大型语言模型的贝叶斯状态空间模型

相关实体

相关话题