LBS 框架结合 LLM 与 SSM 实现多模态时序预测
热点事件持续更新
LBS 框架结合 LLM 与 SSM 实现多模态时序预测
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Sungjun Cho 等人于 2025 年 10 月 23 日发布论文，提出 LLM 集成贝叶斯状态空间模型（LBS）框架。该框架首次将预训练 LLM 与 SSM 骨干结合，用于多模态时间序列预测，支持数值与文本联合输出。模型通过 SSM 建模潜在状态动态，利用 LLM 编码文本输入并生成可读预测摘要。在 TextTimeCorpus 基准测试中，LBS 较前代 SOTA 提升 13.20%，并实现了灵活窗口调整与不确定性量化，增强了预测的可解释性与实用性。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · AILLM-Integrated Bayesian State Space Models for Multimodal Time-Series Forecasting
LBS框架首次将预训练LLM与SSM骨干结合，用于多模态时间序列预测，支持数值与文本联合输出。 该框架通过SSM建模潜在状态动态，并利用LLM编码文本输入、生成可读预测摘要。在TextTimeCorpus基准上较前代SOTA提升13.20%，并实现灵活窗口与不确定性量化。
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。