我们已经看到了语言模型的巨大进步，但时间序列任务，如预测呢？今天我们推荐一篇论文，对现有的语言模型和时间序列做了深入的研究。将探讨了是否可以从大型语言模型（LLMs）中获益于时间序列（TS）预测。
时间序列
时间序列是机器学习中最具挑战性的工作领域之一，解决时间序列任务，如异常检测、时间序列预测等，在多个行业中至关重要，能够节省大量资金。
由OpenAI发起的规模化法则显示，模型能在更多原始数据上更好地泛化结果就得到了ChatGPT。自那以后，大型语言模型（LLMs）吸引了所有人的注意。
自那以后，研究者们一直在尝试将LLMs用于时间序列！这在某种程度上是有道理的，因为无论是语言数据还是时间序列都是序列数据，研究者认为如果LLMs能在语言数据上表现出良好的泛化能力，那么它可能也适用于时间序列。
关于这方面有很多酷炫的研究成果，但问题是“有多少LLMs真正适用于时间序列任务？”
我认为一些工作展示了时间序列的光明未来，例如使用LLMs实现的时间序列推理和理解（代理）等。
https://avoid.overfit.cn/post/7877010824204ec79657beb5016f21a1
标签：语言,LLMs,模型,有用吗,时间,序列,预测 From： https://www.cnblogs.com/deephub/p/18320260