Position Paper: What Can Large Language Models Tell Us about Time Series Analysis

本文是LLM系列文章，针对《Position Paper: What Can Large Language Models Tell Us about Time Series Analysis》的翻译。

摘要

时间序列分析对于理解各种现实世界系统和应用程序中固有的复杂性至关重要。尽管大型语言模型（LLM）最近取得了重大进展，但配备时间序列分析功能的通用人工智能（AGI）的开发仍处于初级阶段。大多数现有的时间序列模型在很大程度上依赖于领域知识和广泛的模型调整，主要集中在预测任务上。在本文中，我们认为当前的LLM有可能彻底改变时间序列分析，从而促进高效决策，并朝着更普遍的时间序列分析智能形式迈进。这种进步可以释放广泛的可能性，包括模态转换和时间序列问答。我们鼓励研究人员和从业者认识到LLM在推进时间序列分析方面的潜力，并强调对这些相关工作的信任。此外，我们详细介绍了时间序列分析与现有LLM技术的无缝集成，并概述了未来研究的前景。

1 引言

2 背景

3 LLM辅助时间序列增强器

4 以LLM为中心的时间序列预测器

5 LLM赋能的时间序列代理

6 进一步讨论

7 结论

本文旨在提请研究人员和从业者注意LLM在推进时间序列分析方面的潜力，并强调信任在这些努力中的重要性。我们的立场是，LLM可以作为理解和推进时间序列分析的中心枢纽，引导更通用的智能系统进行通用分析，无论是作为增强因子、预测因子还是代理。为了证实我