利用通用智能体处理情境化时间序列

时间序列通常嵌入到对整体建模至关重要的丰富上下文中。此外，现实世界的从业者通常需要端到端的工作流程来分析时间动态，其中广泛研究的任务（例如预测）只是更广泛的解决方案循环中的一步。虽然通才人工智能代理为复杂环境下的此类工作流程提供了一个有前途的界面，但它们仍然主要在与结构化时间信号不完全一致的文本空间中运行。在这项工作中，我们介绍了 TimeClaw，这是一种时间序列代理框架，为通用 LLM 代理提供了上下文时间推理所需的时间序列本机运行时支持。 TimeClaw 集成了用于基础和可审计分析的可执行时间工具、用于创建可重用分析例程的经验驱动的能力演化以及用于检索相关推理轨迹的情景多模态记忆。这些组件一起解锁利用上下文信息的开放式时间推理。对涵盖能源、金融、天气、交通和其他现实世界领域的各种任务的多个基准的广泛评估表明，TimeClaw 的性能得到了提高。代码可在 https://github.com/iDEA-iSAIL-Lab-UIUC/TimeClaw 获取。