Buchumschlag

A Picture is Worth A Thousand Numbers: Enabling LLMs Reason about Time Series via Visualization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Haoxin, Liu, Chenghao, Prakash, B. Aditya
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evaluating System 1 vs. 2 Reasoning Approaches for Zero-Shot Time Series Forecasting: A Benchmark and Insights
von: Liu, Haoxin, et al.
Veröffentlicht: (2025)

Performative Time-Series Forecasting
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2023)

Time-Series Forecasting for Out-of-Distribution Generalization Using Invariant Learning
von: Liu, Haoxin, et al.
Veröffentlicht: (2024)

Tackling Time-Series Forecasting Generalization via Mitigating Concept Drift
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2025)

TSI-Bench: Benchmarking Time Series Imputation
von: Du, Wenjie, et al.
Veröffentlicht: (2024)

When LLM Meets Time Series: Can LLMs Perform Multi-Step Time Series Reasoning and Inference
von: Ye, Wen, et al.
Veröffentlicht: (2025)

Time Series Forecasting as Reasoning: A Slow-Thinking Approach with Reinforced LLMs
von: Zhou, Yitong, et al.
Veröffentlicht: (2025)

Just Propagate: Unifying Matrix Factorization, Network Embedding, and LightGCN for Link Prediction
von: Liu, Haoxin
Veröffentlicht: (2024)

Achieving Time Series Reasoning Requires Rethinking Model Design, Tasks Formulation, and Evaluation
von: Kong, Yaxuan, et al.
Veröffentlicht: (2025)

UniTST: Effectively Modeling Inter-Series and Intra-Series Dependencies for Multivariate Time Series Forecasting
von: Liu, Juncheng, et al.
Veröffentlicht: (2024)

A Wave is Worth 100 Words: Investigating Cross-Domain Transferability in Time Series
von: Ma, Xiangkai, et al.
Veröffentlicht: (2024)

TimeMaster: Training Time-Series Multimodal LLMs to Reason via Reinforcement Learning
von: Zhang, Junru, et al.
Veröffentlicht: (2025)

Can Slow-thinking LLMs Reason Over Time? Empirical Studies in Time Series Forecasting
von: Cheng, Mingyue, et al.
Veröffentlicht: (2025)

Unified Training of Universal Time Series Forecasting Transformers
von: Woo, Gerald, et al.
Veröffentlicht: (2024)

In-context Pre-trained Time-Series Foundation Models adapt to Unseen Tasks
von: Xu, Shangqing, et al.
Veröffentlicht: (2026)

Calibration of Time-Series Forecasting: Detecting and Adapting Context-Driven Distribution Shift
von: Chen, Mouxiang, et al.
Veröffentlicht: (2023)

Weakly Supervised Learning on Large Graphs
von: Prakash, Aditya
Veröffentlicht: (2025)

TimeRecipe: A Time-Series Forecasting Recipe via Benchmarking Module Level Effectiveness
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2025)

IMTS is Worth Time $\times$ Channel Patches: Visual Masked Autoencoders for Irregular Multivariate Time Series Prediction
von: Hu, Zhangyi, et al.
Veröffentlicht: (2025)

AnomSeer: Reinforcing Multimodal LLMs to Reason for Time-Series Anomaly Detection
von: Zhang, Junru, et al.
Veröffentlicht: (2026)

EIDOS: Latent-Space Predictive Learning for Time Series Foundation Models
von: Zhou, Xinxing, et al.
Veröffentlicht: (2026)

A Survey on Diffusion Models for Time Series and Spatio-Temporal Data
von: Yang, Yiyuan, et al.
Veröffentlicht: (2024)

TimeMKG: Knowledge-Infused Causal Reasoning for Multivariate Time Series Modeling
von: Sun, Yifei, et al.
Veröffentlicht: (2025)

Is A Picture Worth A Thousand Words? Delving Into Spatial Reasoning for Vision Language Models
von: Wang, Jiayu, et al.
Veröffentlicht: (2024)

A Survey of Transformer Enabled Time Series Synthesis
von: Sommers, Alexander, et al.
Veröffentlicht: (2024)

VisionTS: Visual Masked Autoencoders Are Free-Lunch Zero-Shot Time Series Forecasters
von: Chen, Mouxiang, et al.
Veröffentlicht: (2024)

A Fragile Number Sense: Probing the Elemental Limits of Numerical Reasoning in LLMs
von: Rahman, Roussel, et al.
Veröffentlicht: (2025)

Rethinking Post-Training Recipes for Multimodal Time-Series Forecasting
von: Liu, Haoxin, et al.
Veröffentlicht: (2026)

ShapeX: Shapelet-Driven Post Hoc Explanations for Time Series Classification Models
von: Huang, Bosong, et al.
Veröffentlicht: (2025)

SciTS: Scientific Time Series Understanding and Generation with LLMs
von: Wu, Wen, et al.
Veröffentlicht: (2025)

MemCast: Memory-Driven Time Series Forecasting with Experience-Conditioned Reasoning
von: Tao, Xiaoyu, et al.
Veröffentlicht: (2026)

TS-Reasoner: Domain-Oriented Time Series Inference Agents for Reasoning and Automated Analysis
von: Ye, Wen, et al.
Veröffentlicht: (2024)

CSformer: Combining Channel Independence and Mixing for Robust Multivariate Time Series Forecasting
von: Wang, Haoxin, et al.
Veröffentlicht: (2023)

LLMs Meet Cross-Modal Time Series Analytics: Overview and Directions
von: Liu, Chenxi, et al.
Veröffentlicht: (2025)

TSFMAudit: Data Contamination Auditing in Forecasting Time Series Foundation Models
von: Li, Hongkai, et al.
Veröffentlicht: (2026)

Learning Graph Structures and Uncertainty for Accurate and Calibrated Time-series Forecasting
von: Kamarthi, Harshavardhan, et al.
Veröffentlicht: (2024)

Towards Foundation Models for Zero-Shot Time Series Anomaly Detection: Leveraging Synthetic Data and Relative Context Discrepancy
von: Lan, Tian, et al.
Veröffentlicht: (2025)

TempoGPT: Enhancing Time Series Reasoning via Quantizing Embedding
von: Zhang, Haochuan, et al.
Veröffentlicht: (2025)

TimeOmni-1: Incentivizing Complex Reasoning with Time Series in Large Language Models
von: Guan, Tong, et al.
Veröffentlicht: (2025)

LSTPrompt: Large Language Models as Zero-Shot Time Series Forecasters by Long-Short-Term Prompting
von: Liu, Haoxin, et al.
Veröffentlicht: (2024)