[论文解读] Large Language Models Are Zero-Shot Time Series Forecasters

Nate Gruver, Marc Finzi+2 more|arXiv (Cornell University)|Oct 11, 2023

Topic Modeling被引用 94

一句话总结

本论文证明大型语言模型可以在零样本设置中通过将数字编码为文本并将预测视为下一个令牌的文本生成来预测时间序列，其结果与专门构建的模型相比具有竞争力甚至更优，且无需微调。

ABSTRACT

By encoding time series as a string of numerical digits, we can frame time series forecasting as next-token prediction in text. Developing this approach, we find that large language models (LLMs) such as GPT-3 and LLaMA-2 can surprisingly zero-shot extrapolate time series at a level comparable to or exceeding the performance of purpose-built time series models trained on the downstream tasks. To facilitate this performance, we propose procedures for effectively tokenizing time series data and converting discrete distributions over tokens into highly flexible densities over continuous values. We argue the success of LLMs for time series stems from their ability to naturally represent multimodal distributions, in conjunction with biases for simplicity, and repetition, which align with the salient features in many time series, such as repeated seasonal trends. We also show how LLMs can naturally handle missing data without imputation through non-numerical text, accommodate textual side information, and answer questions to help explain predictions. While we find that increasing model size generally improves performance on time series, we show GPT-4 can perform worse than GPT-3 because of how it tokenizes numbers, and poor uncertainty calibration, which is likely the result of alignment interventions such as RLHF.

研究动机与目标

• 证明 LLMs 可以在不进行微调的情况下对时间序列数据进行零样本预测。
• 开发对数字序列的有效标记化和连续密度映射。
• 展示 LLMs 能捕捉时间序列中的多模态分布和不确定性。
• 通过提示探讨缺失数据、附加信息和解释能力的处理。
• 分析模型规模和对齐对预测性能及不确定性校准的影响。

提出的方法

• 将时间序列编码为数字字符串以实现对下一个令牌的预测。
• 设计数值标记化策略，以确保稳定的算术运算和跨模型的模式学习（如逐位标记化、空格和逗号分隔符）。
• 通过将离散令牌分布转换为连续密度，使用分层的均匀区间混合体来实现概率预测和似然估计。
• 通过在每个基于数字的区间内放置均匀分布并对变量进行变换以重新缩放到原始空间，近似连续似然。
• 从 LLM 采样多个未来并聚合形成点预测和概率预测（分位数、CRPS、NLL）。
• 在多个数据集上将零样本 LLM 预测与标准时间序列基线进行比较，并分析各模型的校准情况。

实验结果

研究问题

• RQ1 如果将数字编码为文本，预训练的 LLMs 能否在不微调的情况下进行时间序列预测？
• RQ2 应如何对时间序列数据进行标记化，以最大化 LLM 的预测准确性和稳定的数值推理？
• RQ3 LLMs 是否能够为时间序列提供良好校准的概率预测和不确定性估计？
• RQ4 模型规模和对齐（如 RLHF）对预测性能和不确定性校准有何影响？
• RQ5 缺失数据、文本侧信息和解释性提示如何影响 LLM 的预测？

主要发现

• LLMTime 在多样化数据集的零样本预测中可超越或等同于专门构建的时间序列方法。
• 正确的数值标记化和重新缩放对 LLM 的性能和数值推理至关重要。
• LLMs 能通过基于数字的连续密度表示多模态且不确定的延续，从而提升概率预测。
• GPT-3 和 LLaMA-2 70B 展现出强烈的确定性性能，在概率度量（如 NLL、CRPS）上通常优于基线。
• GPT-4 和基于对话的 LLM 可能由于对齐干预（RLHF）和标记化怪癖导致校准或预测性能较差。
• 不确定性表示随基础模型质量提升而改善，而零样本性能随模型规模增长。