NetManAIOps/ChatTS

解决的问题

ChatTS 旨在使大型语言模型（LLMs）能够原生地理解和推理时间序列数据。与传统方法将时间序列视为文本或图像不同，ChatTS 允许用户通过对话式界面，交互式地探索多变量时间序列的结构、变化和数值。

工作原理

ChatTS 是一种时间序列多模态 LLM（TS-MLLM）。它会分别处理多变量时间序列和文本查询，然后再将它们结合。时间序列数据被分割为固定大小的块，并通过专用的时间序列编码器进行编码。这些编码后的块在 token 级别与文本 token 连接，保留原始输入位置和上下文关系。这使得 LLM 能够执行统一的多模态理解与响应生成。

适用人群

需要在不依赖独立预测或分类工具的情况下，对时间序列数据进行复杂推理和问答的数据科学家、AI 研究人员和分析师。

主要亮点

• 原生多变量支持：可在单个提示中处理长度和维度各异的多个时间序列。
• 保留数值的编码：保留原始数值，使模型能够回答关于特定时间戳的峰值或数值的具体问题。
• 高效率：在数值对齐任务上优于 GPT-4o，同时使用更少的 token。
• 灵活部署：支持与 Transformers 和 vLLM 集成，包括 OpenAI API 兼容的服务器选项。
• 合成数据流水线：包含完整的流水线，用于生成对齐和 SFT（监督微调）数据集，以训练类似模型。