MIT最新力作：用GPT-3.5解决时间序列异常检测问题

文章预览

今天给大家介绍一篇MIT上周发表的文章，使用GPT-3.5-turbo解决时间序列异常检测问题，初步验证了LLM在时间序列异常检测中的有效性。整个过程没有进行finetune，直接使用GPT-3.5-turbo进行异常检测，文中的核心是如何将时间序列转换成GPT-3.5-turbo可识别的输入，以及如何设计prompt或者pipeline让LLM解决异常检测任务。下面给大家详细介绍一下这篇工作。 论文标题 ：Large language models can be zero-shot anomaly detectors for time series? 下载地址 ： https://arxiv.org/pdf/2405.14755v1 1 整体介绍 MIT的这篇文章，基于LLM（如GPT-3.5-turbo、MISTRAL等）进行时间序列异常检测。核心在于pipeline的设计，主要分为两个部分。 时序数据处理 ：通过离散化等方法，将原始的时间序列转换成LLM可理解的输入； 异常检测Pipeline ：设计了两种基于LLM的异常检测pipeline，一种是基于prompt的方法，问大模型 ………………………………