Büyük dil modellerinin (LLM) zaman serisi verilerini kapsamlı olarak anlaması, yapay zeka alanının en zorlu problemlerinden biri olmaya devam ediyor. Mevcut araştırmalar, parçalı görev tanımları ve belirsizlikler içeren değerlendirme ölçütleri nedeniyle sınırlı kalıyordu.
Bu soruna çözüm bulmak için araştırmacılar, Zaman Serisi Muhakemesi (TSR) alanını artan bilişsel karmaşıklık seviyelerine göre dört katmanlı bir taksonomi ile formalize etti. Bu yaklaşım, unified Zaman Serisi Muhakeme Modellerinin (TSRM) geliştirilmesi için sağlam bir temel oluşturuyor.
Çalışmanın merkezinde HiTSR adlı hiyerarşik veri seti bulunuyor. 83 bin örnek içeren bu veri seti, çeşitli görev kombinasyonları ve doğrulanmış Düşünce Zinciri (CoT) yörüngeleriyle zenginleştirilmiş durumda. Bu kapsamlı veri seti, zaman serisi muhakemesi alanında yeni standartlar belirliyor.
LLaTiSA sistemi, görselleştirilmiş desenlerle hassasiyet kalibrasyonlu sayısal tabloları entegre ederek çalışıyor. Bu yaklaşım, Görsel-Dil Modellerinin (VLM) zamansal algılarını önemli ölçüde güçlendiriyor. Çok aşamalı müfredat ince ayar stratejisi sayesinde sistem, üstün performans sergileyerek dağılım dışı genelleme kabiliyeti de gösteriyor.
Bu gelişme, finans piyasası analizi, sağlık verisi izleme ve iklim değişikliği modellemesi gibi kritik alanlarda daha doğru ve güvenilir zaman serisi analizlerinin kapısını aralıyor.