TSAQA：时间序列分析问答基准

时间序列数据是金融、医疗、交通与环境科学等领域关键应用不可或缺的组成部分。虽然近期工作已开始探索多任务时间序列问答（QA），但现有基准仍局限于预测与异常检测任务。我们提出TSAQA，一个新颖的统一基准，旨在拓宽任务覆盖并评估多样时间分析能力。TSAQA在单一框架下整合六种多样任务，从常规分析（异常检测与分类）到高级分析（刻画、比较、数据变换与时序关系分析）。数据集横跨13个领域共210k样本，采用多样格式，包括判断题（TF）、选择题（MC）与新颖的谜题式（PZ），以全面评估时间序列分析。零样本评估表明这些任务对当前大语言模型（LLM）具有挑战性：表现最佳的商用LLM Gemini-2.5-Flash平均得分仅65.08。指令微调虽提升开源模型表现，但最佳开源模型LLaMA-3.1-8B仍有显著提升空间，凸显时间序列分析对LLM的复杂性。