TimeOmni-o1：时序模型与LLM双向耦合
热点事件持续更新
TimeOmni-o1：时序模型与LLM双向耦合
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Ziyang Zhang 等作者提出并发布 TimeOmni-o1，将预训练时间序列基础模型（TSFM）与 LLM 双向耦合：TSFM 先把序列压缩编码，供 LLM 结合文本推理；LLM 的推理结果再回传给 TSFM 生成预测。作者称，该单一架构即可读写序列与文本。 随模型一同发布的还有 MMTR 数据集。目前公开信息仅来自作者在 arXiv 的发布，尚无第三方复现或评测结果。
AI 根据报道生成 · 56 分钟前更新
最新进展11月11日 13:00
TimeOmni-o1：双向耦合时间序列基础模型与 LLM 的多模态推理与预测报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.CLTimeOmni-o1：双向耦合时间序列基础模型与 LLM 的多模态推理与预测
TimeOmni-o1 将预训练时间序列基础模型（TSFM）与 LLM 双向耦合：TSFM 把序列压缩编码供 LLM 结合文本推理，LLM 的推理结果再回传给 TSFM 生成预测，单一架构即可读写序列与文本。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。