Kangjia Yan

新的TimeID框架使用LLM进行无源时间序列预测

研究人员开发了TimeID，一个新颖的无源时间序列预测框架，该框架利用大型语言模型（LLM）在不直接访问原始源数据的情况下使模型适应新数据集。该方法通过采用双分支不变解耦特征学习和无参数代理去噪机制，解决了数据稀缺和隐私法规带来的挑战。该方法还结合了知识蒸馏来对齐预测，在真实世界数据集上展示了比现有方法更好的性能，平均均方误差（MSE）降低了10.7%，平均绝对误差（MAE）降低了9.3%。