WaveTLM：通过任务编译进行可靠的时间序列语言建模

时间序列语言模型提供了跨时间任务的共享自然语言接口，但合理的文本并不能保证可靠的任务输出。在产生所需对象的幻觉时，响应可能会显得合理：数字序列可能会违反形状、比例、通道顺序或时间对齐，并且文本决策可能会超出合法标签空间。我们制定可靠的时间序列语言模型，将任务对象的可靠性与预测质量分开。我们推出 ExecTS-QA，这是一个基于合同的基准，涵盖预测、插补、分类、异常检测和波形分析。我们进一步提出了 WaveTLM，一种统一的编译器-执行器模型，其任务编译器将用户请求、可见参数和基于波的证据转换为类型化的任务状态，而任务本机执行器则构造数字张量、法律决策或结构化记录。在 ExecTS-QA 上，单个 WaveTLM 检查点实现了 99.40% 的合同有效覆盖率，而最强评估的字符串优先基线的覆盖率为 37.83%，同时在所有五个任务系列中保持平衡的预测性能。对 SciTS、TSQA、IRTS-ToolBench 和 ARFBench 的评估提供了额外的迁移证据。代码、构建脚本和 ExecTS-QA 数据集将在发布后公开发布。这些结果表明任务编译可以将合理的语言生成转换为可靠的时间序列输出。