TimeART：基于工具增强的智能体时间序列推理框架
原始标题 / TimeART: Towards Agentic Time Series Reasoning via Tool-Augmentation
TimeART 提出一种融合强工具分析能力与大语言模型推理能力的智能体框架，用于时间序列问答（TSQA），并构建 10 万条专家轨迹数据集 TimeToolBench 及四阶段训练策略，以提升基于 LLM 的时间序列推理模型（TSRM）的工具使用与泛化能力。
01 摘要
该工作提出 TimeART 框架，将现有强工具的分析能力与 LLM 的推理能力结合，实现全智能体的时间序列问答。作者收集 10 万条专家轨迹构成 TimeToolBench，并设计四阶段训练策略，使 TSRM 从自身早期经验和自我反思中学习。实验表明，8B 参数 TSRM 在 TimeToolBench 上训练并配备 TimeART 后，在多个 TSQA 任务上取得一致的当前最优性能。
02 关键点
- TimeART 融合工具分析与 LLM 推理，构建面向时间序列问答的全智能体框架。
- 作者构建 10 万条专家轨迹数据集 TimeToolBench，用于训练 LLM 基 TSRM 的策略性工具使用。
- 提出四阶段训练策略，通过早期经验和自我反思增强 TSRM 泛化能力，8B 模型在多任务上达到当前最优。
回到一手来源
阅读原文 ↗AI GENERATED SUMMARY / DISCOVERED BY ARXIV CS.LG