LLM用于时序预测真的不行，连推理能力都没用到

AIGC动态欢迎阅读

原标题：LLM用于时序预测真的不行，连推理能力都没用到
关键字：序列,时间,模型,方法,语言
文章来源：机器之心
内容字数：0字

内容摘要：

机器之心报道
编辑：panda语言模型真的能用于时序预测吗？根据贝特里奇头条定律（任何以问号结尾的新闻标题，都能够用「不」来回答），答案应该是否定的。事实似乎也果然如此：强大如斯的 LLM 并不能很好地处理时序数据。时序，即时间序列，顾名思义，是指一组按照时间发生先后顺序进行排列的数据点序列。
在很多领域，时序分析都很关键，包括疾病传播预测、零售分析、医疗和金融。在时序分析领域，近期不少研究者都在研究如何使用大型语言模型（LLM）来分类、预测和检测时间序列中的异常。这些论文假设擅长处理文本中顺序依赖关系的语言模型也能泛化用于时间序列数据中的顺序依赖关系。这个假设并不令人意外，毕竟语言模型是现在机器学习领域的香饽饽。
那么，语言模型究竟能给传统时序任务带去多大助益？
近日，弗吉尼亚大学和华盛顿大学一个团队尝试解答了这一问题，并最终给出了一个简单却又重要的主张：对于时序预测任务，使用语言模型的常用方法的表现都接近或劣于基本的消融方法，但前者所需的计算量比后者多几个数量级。论文标题：Are Language Models Actually Useful for Time Series For

原文链接：LLM用于时序预测真的不行，连推理能力都没用到