专栏名称: Python爱好者社区
人生苦短,我用Python。分享Python相关的技术文章、工具资源、精选课程、视频教程、热点资讯、学习资料等。每天自动更新和推送。
目录
相关文章推荐
Python爱好者社区  ·  部门准备解散了。 ·  昨天  
Python爱好者社区  ·  iPhone 16全系直降,网友抢疯了。。。 ·  3 天前  
Python爱好者社区  ·  深圳大学教授自曝工资收入 ·  4 天前  
Python中文社区  ·  400+业务场景接入,大模型,彻底爆发! ·  5 天前  
Python爱好者社区  ·  70k,直接封神! ·  1 周前  
51好读  ›  专栏  ›  Python爱好者社区

LLM,杀疯了

Python爱好者社区  · 公众号  · Python  · 2024-09-04 15:00

正文

时序+大模型开始火了,大家最近关注了吗?


ICLR'24WWW'24AAAI'24IJCAI'24等今年的顶会上,都有多篇时序+大模型的研究入选。


时序+LLM的潜力非常大。首先时序的应用面就很广,现在结合LLM处理非结构化数据、转移知识,结合多模态信息提高预测准确性。解决很多传统方法的局限性。是一个非常容易发论文的方向!


我最近也研究了一下时序+LLM,并整理了近几年67篇代表性研究工作。按照直接提示时间序列量化对齐视觉工具5个方向归纳,并且凡是有开源代码的也一并整理。


67篇时序+LLM的创新思路,分享给大家研究学习。欢迎扫码下载


扫码下载67篇时序+LLM创新思路



67篇合集按照直接提示时间序列量化对齐视觉工具5个方向归纳。



直接提示



这是将时间序列数据视为原始文本,直接用时间序列提示LLM的方法。是一种简单易行的方法。


例如NeurIPS'23的《Large Language Models Are Zero-Shot Time Series Forecasters》,就提出了LLMTIME ,通过将时间序列数据编码为数字字符串,并将时间序列预测视为文本中的下一个 token 预测问题,从而利用预训练的 LLMs 进行连续时间序列预测。


扫码下载67篇时序+LLM创新思路



时间序列量化



这是将时间序列数据转换为离散表示的方法。包括使用向量量化自编码器或K-均值聚类来创建时间序列的离散索引,从而让LLM可以处理。


扫码下载67篇时序+LLM创新思路



对 齐 



这种方法是为时间序列训练单独的编码器,将编码的时间序列与语言模型的语义空间对齐。分为通过对比损失进行相似度匹配,与通过其他损失进行相似性匹配。 


扫码下载67篇时序+LLM创新思路



此外,还可以利用视觉表示作为时间序列和文本数据之间的桥梁。将时间序列数据转换为图像,然后使用视觉语言模型进行分析。


还可以将LLM用于生成间接工具,例如代码和 API 调用,以辅助时间序列分析任务


一共67篇时序+LLM的创新思路,分享给大家研究学习。欢迎扫码下载。


扫码下载67篇时序+LLM创新思路

推荐文章
Python爱好者社区  ·  部门准备解散了。
昨天
Python爱好者社区  ·  iPhone 16全系直降,网友抢疯了。。。
3 天前
Python爱好者社区  ·  深圳大学教授自曝工资收入
4 天前
Python中文社区  ·  400+业务场景接入,大模型,彻底爆发!
5 天前
Python爱好者社区  ·  70k,直接封神!
1 周前