ByteBrain x 清华 VLDB25｜时序多模态大语言模型 ChatTS

文章预览

近年来，多模态大语言模型（MLLM）发展迅速，并在图像、视频、音频等领域取得了突破性成果。然而，相较于这些研究较为成熟的模态，时间序列这一类型的数据与大模型结合的系统研究却较为匮乏。尽管已经有 TimeLLM 等工作尝试将LLM应用于时序任务，但这些研究大多局限于预测类任务，无法满足更复杂的理解与推理需求。随着大语言模型在企业智能运维、金融分析等需要处理时序数据的应用场景中应用愈发广泛，“理解时间序列”的能力已成为多模态智能系统的一项基础能力。为此，我们提出了ChatTS ，一个基于纯合成数据（synthetic data）微调的具备时间序列理解与推理能力的多模态大模型，该模型在多个真实和合成数据集上取得的显著效果提升。 ChatTS论文（ChatTS: Aligning Time Series with LLMs via Synthetic Data for Enhanced Understanding and Reasoning）成功入选数 ………………………………