研究人员开发了一种名为上下文作为协变量 (CoCo) 的新颖预测框架，该框架将大型语言模型 (LLM) 与时间序列基础模型 (TSFM) 相结合。该方法通过让 LLM 将文本见解提炼成数值协变量来指导 TSFM，从而解决了 LLM 在数值精度和 TSFM 在文本推理方面的局限性。该框架在一个使用 LLM 生成的大规模合成多模态数据集上进行了训练，以注释时间序列数据。实验表明，当使用 Qwen3-4B-Instruct-2507 作为 LLM 和 Chronos2 作为 TSFM 时，CoCo 在各种基准测试中比包括 GPT-4o 在内的现有最先进模型取得了高达 12% 的平均绝对误差改进。 AI
影响 该框架可以通过利用文本上下文和数值数据来提高时间序列预测的准确性，从而影响金融和经济等领域。
排序理由 该集群描述了一篇详细介绍新颖时间序列预测框架的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Chronos2
- Context as Covariates
- GPT-4o
- Group Relative Policy Optimization
- Hugging Face
- LLM
- Qwen3-4B-Instruct-2507
- Sai Shankar Narasimhan
- TSFM
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
