将时间序列表示为 LLM 推理的结构化程序

大语言模型 (LLM) 表现出了强大的推理和指令跟踪能力，使其成为时间序列分析的潜在强大工具。然而，时间序列超出了其原生文本模态，这就提出了一个基本问题：应该如何表示时间序列，以便 LLM 能够有效地推理它们？现有的工作通常对原始数值序列进行序列化或对时间序列数据上预先训练的 LLM 进行微调。这些方法将提取时间结构的负担直接放在 LLM 上，造成模态不匹配，通常会降低长序列的性能并引入大量的计算开销。在这项工作中，我们介绍了时间序列到结构化程序表示（T2SP），这是一种确定性的 无需训练 方法，它将时间序列表示为结构化符号程序。 T2SP 将时间序列分解为趋势、周期和显着事件，以程序友好的格式表达它们，与 LLM 本地训练的文本和类似代码的模式相一致。通过将时间结构提取从模型转移到表示本身，T2SP 使现成的 LLM 能够利用其现有的推理能力来理解时间序列。我们在三个推理任务（编辑、字幕和问答）上评估 T2SP，与原始字符串表示相比，它持续提高性能、减少推理时间并降低失败率。我们的结果表明，T2SP 在时间序列和 LLM 之间提供了有效的接口。