TSRouter：用于时间序列推理的动态模态模型选择

时间序列推理对于解决现实世界的问题至关重要。虽然 大语言模型 (LLM) 和视觉语言模型 (VLM) 都可以推理时间序列数据，但它们的功能是互补的：LLM 将时间序列处理为文本序列，从而保留精确的数值理解，但难以处理全局模式，而 VLM 通过可视化时间序列有效地捕获这些模式，但可能会丢失细粒度的细节。此外，模型在特定任务的专业知识和推理成本方面存在很大差异。因此，为每个查询动态选择最合适的模态和模型至关重要，但也具有挑战性，因为它需要对任务、查询、模态和模型之间的复杂交互进行建模，而这些交互携带丰富的上下文信号。为此，我们引入了 TSRouter，一个基于图的动态路由框架。 TSRouter 构建任务、查询、模态和模型节点的异构图，以将查询特征、模态属性和模型功能之间的交互置于上下文中。 TSRouter 将路由制定为候选评分问题，其中每个模态模型对根据用户定义的性能成本偏好进行评估，以选择最佳候选。对 4 个不同时间序列推理任务的综合评估表明，TSRouter 的性能显着优于不同的基线，相对改进为 16% 到 46%。此外，TSRouter 展示了对未见过的模型和新任务的强大的零样本即插即用泛化能力，并保持高性能，同时通过成本感知优化减少计算开销。我们的代码可在 https://github.com/tianyi-lab/TSRouter 获取。