https://mp.weixin.qq.com/s/wBtmW1Xb1FdKgCcUlZRB2Q

时间数据，特别是时间序列和时空数据，在现实世界的应用中普遍存在。这些数据捕获动态系统的测量值，并由物理和虚拟传感器大量产生。分析这些数据类型对于利用它们所包含的丰富信息至关重要，从而有益于各种下游任务。近年来，大语言模型和其他基础模型的进步促使这些模型在时间序列和时空数据挖掘中的使用不断增加。这些方法不仅增强了跨多个领域的模式识别和推理能力，而且为能够理解和处理常见时间数据的人工通用智能奠定了基础。



本文介绍一篇关于时间序列和时空数据的大模型的调查综述。在该论文中， 作者强调了分析这些数据类型的重要性以及对各种下游任务的潜在好处。他们将现有文献分为两大类：时间序列分析的大模型（LM4TS）和时空数据挖掘（LM4STD）。此外，作者还提供了全面的资源收集，包括数据集、模型资产和工具，按主流应用分类。论文强调了以大模型为中心的时间序列和时空数据的最新研究进展，以及该领域的未来研究机会。
--
FROM 59.41.66.*