Online Time Series Forecasting

基于LLM的框架CoSPOT增强在线时间序列预测

研究人员开发了一种新的在线时间序列预测框架CoSPOT，该框架利用预训练的大型语言模型（LLM）作为其核心。这种方法解决了现有方法在长期适应和泛化到新模式方面存在的局限性。CoSPOT通过保持LLM冻结并采用基于频域原理的组合谱提示来实现高效的在线适应。这些提示利用输入信号的整体分布来指导模型，显著减少了在线阶段需要更新的参数数量。实验表明，CoSPOT在真实世界数据集上表现优于现有方法，尤其是在存在分布偏移的具有挑战性的在线场景中。