Time-LLM

收录理由

Time-LLM 的思路不同于常见的预测工具：它不训练专门的时序网络，而是让大语言模型保持冻结，把时间序列切片转换成类似文本的标记，让模型读懂并外推，借用 LLM 预训练时的推理能力来生成预测结果。这是 ICLR 2024 的官方实现，代码结构清晰，团队可以直接拿它跟经典基线做对比实验，不必费力去翻那些没有文档的内部实现。论文里的消融研究也把性能提升的来源讲得比较明白，你在判断这种额外复杂度是否值得引入时，能有个清晰的参考。而且这个方法已经被 NeuralForecast 和 PyPOTS 等维护中的库收录，你可以在成熟的预测框架里直接尝试，不必单独跑这个仓库。