Pianificazione Guidata da LLM per la Previsione di Serie Temporali
Un nuovo articolo di ricerca propone l'uso di grandi modelli linguistici (LLM) come agenti di pianificazione per guidare i modelli foundation per serie temporali (TSFM) nella previsione condizionata da testo. L'approccio tratta la previsione come un problema di pianificazione su traiettorie generate dal TSFM, dove il TSFM congelato funge da simulatore che propone continuazioni numeriche, e l'LLM funge da funzione politica e di valore per selezionare candidati e valutare le traiettorie rispetto al testo contestuale. Questo metodo evita di distorcere la struttura temporale non facendo generare direttamente all'LLM i valori di previsione. L'articolo è disponibile su arXiv con ID 2607.24892.
Fatti principali
- ID articolo: arXiv:2607.24892
- Titolo: LLM as Forecasting Planner: Training-Free Text Conditioning for Time-Series Foundation Models
- Propone l'uso di LLM come agente di pianificazione per TSFM
- TSFM agisce come simulatore, LLM come funzione politica/valore
- Evita la generazione diretta di valori di previsione da parte dell'LLM
- Approccio senza addestramento
- Affronta la previsione di serie temporali condizionata da testo
- Pubblicato su arXiv
Entità
Istituzioni
- arXiv