TimeInteract：迈向流时间序列的实时交互智能

现实世界的时间序列不断发展，随时可能出现有意义的变化。然而，现有的时间序列语言模型（TSLM）本质上仍然是静态的。它们要么接收完整的序列进行离线处理，要么在流输入和响应生成之间交替，这会阻止在交互过程中处理新的观察结果。我们引入了一种新的机制，即时间序列交互：模型不断感知传入的时间序列观察和用户意图，自主决定何时保持沉默或响应，并在响应生成期间继续处理新的观察。为了实现这一点，我们开发了具有三个关键设计的 TimeInteract：捕获局部变化和历史动态的双视图流 TS 编码器、学习何时触发响应的响应控制机制、以及将控制与响应生成分开以避免阻塞后续观察的解耦流推理机制。我们进一步制定了交互能力的层次结构，从理解到适应。基于此层次结构，我们构建了 StreamTSI-34K，这是一个大规模流式 TS 交互数据集，在单轮和多轮设置中的合成和真实时间序列中包含 34,588 个剧集和 77,505 个响应。在所有四个交互级别中，TimeInteract 始终优于现有的 LLM、VLM 和 TSLM，在具有挑战性的任务上得分高达 23.92 分。它还改进了响应触发，同时实现接近零的流停顿和高达 2.15 美元\times$ 的推理加速。