LLM用于時序預測真的不行，連推理能力都沒用到

AIGC動態歡迎閱讀

原標題：LLM用于時序預測真的不行，連推理能力都沒用到
關鍵字：序列,時間,模型,方法,語言
文章來源：機器之心
內容字數：0字

內容摘要：

機器之心報道
編輯：panda語言模型真的能用于時序預測嗎？根據貝特里奇頭條定律（任何以問號結尾的新聞標題，都能夠用「不」來回答），答案應該是否定的。事實似乎也果然如此：強大如斯的 LLM 并不能很好地處理時序數據。時序，即時間序列，顧名思義，是指一組按照時間發生先后順序進行排列的數據點序列。
在很多領域，時序分析都很關鍵，包括疾病傳播預測、零售分析、醫療和金融。在時序分析領域，近期不少研究者都在研究如何使用大型語言模型（LLM）來分類、預測和檢測時間序列中的異常。這些論文假設擅長處理文本中順序依賴關系的語言模型也能泛化用于時間序列數據中的順序依賴關系。這個假設并不令人意外，畢竟語言模型是現在機器學習領域的香餑餑。
那么，語言模型究竟能給傳統時序任務帶去多大助益？
近日，弗吉尼亞大學和華盛頓大學一個團隊嘗試解答了這一問題，并最終給出了一個簡單卻又重要的主張：對于時序預測任務，使用語言模型的常用方法的表現都接近或劣于基本的消融方法，但前者所需的計算量比后者多幾個數量級。論文標題：Are Language Models Actually Useful for Time Series For

原文鏈接：LLM用于時序預測真的不行，連推理能力都沒用到