火了！高校大厂开始用LLM解决时序传统问题

主要观点总结

文章介绍了时序+大模型（LLM）的研究现状和发展趋势。文章指出，时序+LLM是一个潜力巨大的领域，能解决很多传统方法的局限性，并且是一个容易发论文的研究方向。作者整理了67篇代表性研究工作，并按照直接提示、时间序列量化、对齐、视觉、工具五个方向归纳。文章还介绍了每个方向的具体内容和一些创新思路。

关键观点总结

关键观点1: 时序+大模型的研究现状和发展趋势

文章指出时序+大模型是当前的热门研究领域，有多个研究入选今年的顶会，如ICLR'24、WWW'24等。同时，该领域具有广泛的应用前景和潜力。

关键观点2: 时序+LLM的应用价值

结合LLM处理非结构化数据、转移知识，结合多模态信息提高预测准确性。能解决很多传统方法的局限性，是一个非常有价值的研究方向。

关键观点3: 67篇时序+LLM创新思路的整理

作者整理了67篇关于时序+LLM的研究工作，并按照直接提示、时间序列量化、对齐、视觉、工具五个方向归纳。这些创新思路包括使用LLM进行时间序列预测、时间序列数据的离散表示、时间序列与语言模型的语义空间对齐、利用视觉表示作为时间序列和文本数据之间的桥梁以及生成间接工具等。

关键观点4: 具体的研究方法和创新思路

文章详细介绍了直接提示、时间序列量化、对齐、视觉和工具五个方向的具体研究方法和创新思路，包括使用LLM进行连续时间序列预测、向量量化自编码器或K-均值聚类创建时间序列的离散索引、对比损失进行相似度匹配等。

文章预览

时序+大模型 开始火了，大家最近关注了吗？ 在 ICLR'24 、 WWW'24 、 AAAI'24 、 IJCAI'24 等今年的顶会上，都有多篇时序+大模型的研究入选。 时序+LLM的潜力非常大。首先时序的应用面就很广，现在结合LLM处理非结构化数据、转移知识，结合多模态信息提高预测准确性。 能 解决很多传统方法的局限性 。是一个非常容易发论文的方向！ 我最近也研究了一下时序+LLM，并整理了近几年 67篇代表性研究工作 。按照 直接提示 、 时间序列量化 、 对齐 、 视觉 、 工具 5个方向归纳，并且凡是有 开源代码 的也一并整理。 67篇时序+LLM的创新思路，分享给大家研究学习。 欢迎扫码下载 。 扫码下载67篇时序+LLM创新思路 67篇合集按照 直接提示 、 时间序列量化 、 对齐 、 视觉 、 工具 5个方向归纳。 直接提示 这是将时间序列数据视为原始文本，直接用时间序列提示LLM ………………………………