Time-LLM

如果您发现任何错误或有任何建议，请告诉我们！

如果您觉得这个资源有帮助，请考虑给这个仓库点个星，并引用我们的研究：

@inproceedings{jin2023time,
  title={{Time-LLM}: Time series forecasting by reprogramming large language models},
  author={Jin, Ming and Wang, Shiyu and Ma, Lintao and Chu, Zhixuan and Zhang, James Y and Shi, Xiaoming and Chen, Pin-Yu and Liang, Yuxuan and Li, Yuan-Fang and Pan, Shirui and Wen, Qingsong},
  booktitle={International Conference on Learning Representations (ICLR)},
  year={2024}
}

更新/新闻：

新闻（2025年10月）：Time-LLM 在过去两年中被引用了 1,000 次！我们衷心感谢社区在这段旅程中给予的巨大支持。

新闻（2024年8月）：Time-LLM 已被西摩优化科技有限公司（XMO）采用，用于太阳能、风能和天气预报。

新闻（2024年10月）：Time-LLM 已被纳入 PyPOTS。非常感谢 PyPOTS 团队！

新闻（2024年5月）：Time-LLM 已被纳入 NeuralForecast。特别感谢贡献者 @JQGoh 和 @marcopeix！

新闻（2024年3月）：Time-LLM 已升级为通用框架，用于将多种语言模型重新应用于时间序列预测。现在默认支持 LLaMA-7B，并兼容两个较小的 PLM（GPT-2 和 BERT）。只需调整 --llm_model 和 --llm_dim 即可切换骨干模型。

简介 Time-LLM 是一个重新编程框架,用于将 LLM 重新用于一般的时间序列预测,而不改变主干语言模型。值得注意的是,我们证明时间序列分析(例如预测)可以被视为另一个"语言任务",可以通过现成的 LLM 有效地解决。