TimeThink：激发时间序列大语言模型的组合推理能力
英文标题：TimeThink: Eliciting Compositional Reasoning in Timeseries Large Language Models
针对时间序列多模态大语言模型（TS-MLLMs）在问答任务中难以精准捕捉动态时间模式的问题，研究提出了 TimeThink 框架以激发模型的组合推理能力。该方法旨在引导大语言模型对复杂时序特征进行多步骤、组合式的深度推理，从而突破传统时序问答的表达局限。该成果对智能时序分析、工业监测及金融预测等垂直场景的 Agent 落地应用具有积极的参考价值。
打开原文相关 4.8 · 机会 0
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
摘要
arXiv:2609.13457v1 公告类型：新提交
时间序列多模态大语言模型（TS-MLLMs）近期开始利用大语言模型（LLM）的推理能力来处理问答任务。然而，这些模型往往难以有效捕捉动态的时间模式，提供……
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×