TableTime:将时序分类重构为表格理解任务,更有效对齐LLM语义空间转载大型语言模型(LLMs)在多元时间序列分类(MTSC)中展现出巨大潜力。为有效将大型语言模型适配于多元时间序列分类任务,生成全面且富有信息量的数据表示至关重要。目前,大多数利用大型语言模型的方法将数值型时间序列编码至模型的潜在空间,旨在与大型语言模型的语义空间对齐,以实现更有效的学习。 尽管这些方法颇具成效,但仍存在三个被忽视的局限性。为弥补这些不足,来自中科大与科大讯飞的研究者提出 TableTime,将多元时间序列分类重构为表格理解任务。在来自 UEA 档案库的10个公开基准数据集上进行的广泛实验