评估大型语言模型对时间序列特征理解的综合分类和基准

原文约500字，阅读约需1分钟。发表于：。

提出了一个评估大型语言模型（LLM）在时间序列理解方面能力的框架，包括单变量和多变量形式；通过研究时间序列的特征以及设计和合成数据集来评估 LLMs 在时间序列理解方面的能力，并揭示了 LLMs 对数据格式、查询数据的位置和时间序列长度等因素的敏感性。

通过系统性文献综述，全面考察了大规模语言模型（LLMs）在预测和异常检测中的应用。讨论了LLMs的潜力、挑战和解决方案，并概述了关键趋势。强调了LLMs对预测和异常检测的影响，以及创新、道德考虑和实际解决方案的需求。