视觉语言模型作为时间序列预测的裁判

研究人员推出TimeVista，一个利用视觉语言模型（VLMs）评估时间序列预测的新框架。该方法利用VLMs解读时间序列图表和文本信息的能力，提供比传统逐点指标更符合人类的判断。TimeVista基准测试包含5563个时间序列样本，并已证明VLMs能够提供可靠且一致的评估，在符合人类偏好方面优于传统方法。该框架已被用于评估近期的时间序列基础模型，揭示了VLMs作为该领域稳健且可解释的裁判。 AI

影响 VLMs为时间序列预测提供了更符合人类的评估标准，有望改进模型开发和比较。

排序理由 该集群描述了一篇介绍新框架和基准测试的新研究论文，该框架和基准测试使用VLMs来评估时间序列预测模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• LLM-as-a-Judge
• ScienceCast
• Time Series Foundation Models
• TimeVista
• vision-language model

• 论文
• 模型发布

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