Buchumschlag

LLMs Meet Cross-Modal Time Series Analytics: Overview and Directions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Chenxi, Miao, Hao, Long, Cheng, Zhao, Yan, Li, Ziyue, Kalnis, Panos
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TimeCMA: Towards LLM-Empowered Multivariate Time Series Forecasting via Cross-Modality Alignment
von: Liu, Chenxi, et al.
Veröffentlicht: (2024)

Towards Cross-Modality Modeling for Time Series Analytics: A Survey in the LLM Era
von: Liu, Chenxi, et al.
Veröffentlicht: (2025)

LLMComp: A Language Modeling Paradigm for Error-Bounded Scientific Data Compression (Technical Report)
von: Li, Guozhong, et al.
Veröffentlicht: (2025)

Task-Oriented GNNs Training on Large Knowledge Graphs for Accurate and Efficient Modeling
von: Abdallah, Hussein, et al.
Veröffentlicht: (2024)

Deciphering Invariant Feature Decoupling in Source-free Time Series Forecasting with Proxy Denoising
von: Yan, Kangjia, et al.
Veröffentlicht: (2025)

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

RED: Effective Trajectory Representation Learning with Comprehensive Information
von: Zhou, Silin, et al.
Veröffentlicht: (2024)

CHESS: Context-aware Hierarchical Efficient Semantic Selection for Long-Context LLM Inference
von: Fei, Chao, et al.
Veröffentlicht: (2026)

FiCoTS: Fine-to-Coarse LLM-Enhanced Hierarchical Cross-Modality Interaction for Time Series Forecasting
von: Lyu, Yafei, et al.
Veröffentlicht: (2025)

Efficient Multivariate Time Series Forecasting via Calibrated Language Models with Privileged Knowledge Distillation
von: Liu, Chenxi, et al.
Veröffentlicht: (2025)

Multi-Modal View Enhanced Large Vision Models for Long-Term Time Series Forecasting
von: Shen, ChengAo, et al.
Veröffentlicht: (2025)

Review of Data-centric Time Series Analysis from Sample, Feature, and Period
von: Sun, Chenxi, et al.
Veröffentlicht: (2024)

Can LLMs Serve As Time Series Anomaly Detectors?
von: Dong, Manqing, et al.
Veröffentlicht: (2024)

LLM Pretraining Shapes a Generalizable Manifold: Insights into Cross-Modal Transfer to Time Series
von: Roger, Alexis, et al.
Veröffentlicht: (2026)

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

MedualTime: A Dual-Adapter Language Model for Medical Time Series-Text Multimodal Learning
von: Ye, Jiexia, et al.
Veröffentlicht: (2024)

Quadratic Direct Forecast for Training Multi-Step Time-Series Forecast Models
von: Wang, Hao, et al.
Veröffentlicht: (2025)

TimeEmb: A Lightweight Static-Dynamic Disentanglement Framework for Time Series Forecasting
von: Xia, Mingyuan, et al.
Veröffentlicht: (2025)

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

Analytic Continual Test-Time Adaptation for Multi-Modality Corruption
von: Zhang, Yufei, et al.
Veröffentlicht: (2024)

KITS: Inductive Spatio-Temporal Kriging with Increment Training Strategy
von: Xu, Qianxiong, et al.
Veröffentlicht: (2023)

CrossLinear: Plug-and-Play Cross-Correlation Embedding for Time Series Forecasting with Exogenous Variables
von: Zhou, Pengfei, et al.
Veröffentlicht: (2025)

Aligning CodeLLMs with Direct Preference Optimization
von: Miao, Yibo, et al.
Veröffentlicht: (2024)

Time-Prompt: Integrated Heterogeneous Prompts for Unlocking LLMs in Time Series Forecasting
von: Wang, Zesen, et al.
Veröffentlicht: (2025)

InfoMAE: Pair-Efficient Cross-Modal Alignment for Multimodal Time-Series Sensing Signals
von: Kimura, Tomoyoshi, et al.
Veröffentlicht: (2025)

Large EEG-U-Transformer for Time-Step Level Detection Without Pre-Training
von: Wu, Kerui, et al.
Veröffentlicht: (2025)

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

Leveraging 2D Information for Long-term Time Series Forecasting with Vanilla Transformers
von: Cheng, Xin, et al.
Veröffentlicht: (2024)

FlowDistill: Scalable Traffic Flow Prediction via Distillation from LLMs
von: Yu, Chenyang, et al.
Veröffentlicht: (2025)

Reprogramming Foundational Large Language Models(LLMs) for Enterprise Adoption for Spatio-Temporal Forecasting Applications: Unveiling a New Era in Copilot-Guided Cross-Modal Time Series Representation Learning
von: Srinivas, Sakhinana Sagar, et al.
Veröffentlicht: (2024)

Theoretical Foundation of Flow-Based Time Series Generation: Provable Approximation, Generalization, and Efficiency
von: Long, Jiangxuan, et al.
Veröffentlicht: (2025)

Multi-Modal Time Series Prediction via Mixture of Modulated Experts
von: Zhang, Lige, et al.
Veröffentlicht: (2026)

Continuity and Ordinality Matter: Constraining Time Series Tokens for Effective Time Series Analysis with Large Language Models
von: Li, Musheng, et al.
Veröffentlicht: (2026)

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

The Effectiveness of LLMs as Annotators: A Comparative Overview and Empirical Analysis of Direct Representation
von: Pavlovic, Maja, et al.
Veröffentlicht: (2024)

AROpt: An Optimization Method for Autoregressive Time Series Forecasting
von: Li, Zheng, et al.
Veröffentlicht: (2026)

A Mamba Foundation Model for Time Series Forecasting
von: Ma, Haoyu, et al.
Veröffentlicht: (2024)

T2S: High-resolution Time Series Generation with Text-to-Series Diffusion Models
von: Ge, Yunfeng, et al.
Veröffentlicht: (2025)

TSI: A Multi-View Representation Learning Approach for Time Series Forecasting
von: Gao, Wentao, et al.
Veröffentlicht: (2024)

Modality vs. Morphology: A Framework for Time Series Classification for Biological Signals
von: Tschida, Jordan, et al.
Veröffentlicht: (2026)