Buchumschlag

Thoth: Mid-Training Bridges LLMs to Time Series Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Jiafeng, Wang, Yuxuan, Wu, Jialong, Luo, Huakun, Pei, Zhongyi, Wang, Jianmin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Aura: Universal Multi-dimensional Exogenous Integration for Aviation Time Series
von: Lin, Jiafeng, et al.
Veröffentlicht: (2026)

TiMi: Empower Time Series Transformers with Multimodal Mixture of Experts
von: Lin, Jiafeng, et al.
Veröffentlicht: (2026)

TableTime: Reformulating Time Series Classification as Training-Free Table Understanding with Large Language Models
von: Wang, Jiahao, et al.
Veröffentlicht: (2024)

Discrete Markov Bridge
von: Li, Hengli, et al.
Veröffentlicht: (2025)

Learning to Reason as Action Abstractions with Scalable Mid-Training RL
von: Zhang, Shenao, et al.
Veröffentlicht: (2025)

DualWeaver: Synergistic Feature Weaving Surrogates for Multivariate Forecasting with Univariate Time Series Foundation Models
von: Li, Jinpeng, et al.
Veröffentlicht: (2026)

When More is Less: Understanding Chain-of-Thought Length in LLMs
von: Wu, Yuyang, et al.
Veröffentlicht: (2025)

Forecasting Time Series with LLMs via Patch-Based Prompting and Decomposition
von: Bumb, Mayank, et al.
Veröffentlicht: (2025)

Mid-Think: Training-Free Intermediate-Budget Reasoning via Token-Level Triggers
von: Yang, Wang, et al.
Veröffentlicht: (2026)

Adaptive Inference-Time Compute: LLMs Can Predict if They Can Do Better, Even Mid-Generation
von: Manvi, Rohin, et al.
Veröffentlicht: (2024)

LLMs as Scalable, General-Purpose Simulators For Evolving Digital Agent Training
von: Wang, Yiming, et al.
Veröffentlicht: (2025)

A Strategic Coordination Framework of Small LLMs Matches Large LLMs in Data Synthesis
von: Gao, Xin, et al.
Veröffentlicht: (2025)

Integrating Time Series into LLMs via Multi-layer Steerable Embedding Fusion for Enhanced Forecasting
von: Chen, Zhuomin, et al.
Veröffentlicht: (2025)

Bridging Human and LLM Judgments: Understanding and Narrowing the Gap
von: Polo, Felipe Maia, et al.
Veröffentlicht: (2025)

MotionTeller: Multi-modal Integration of Wearable Time-Series with LLMs for Health and Behavioral Understanding
von: Zhang, Aiwei, et al.
Veröffentlicht: (2025)

Chronicle: A Multimodal Foundation Model for Joint Language and Time Series Understanding
von: Quinlan, Paul, et al.
Veröffentlicht: (2026)

A Comparative Study of Specialized LLMs as Dense Retrievers
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Rethinking Time Series Forecasting with LLMs via Nearest Neighbor Contrastive Learning
von: Bogahawatte, Jayanie, et al.
Veröffentlicht: (2024)

Enhancing Time Series Forecasting via Multi-Level Text Alignment with LLMs
von: Zhao, Taibiao, et al.
Veröffentlicht: (2025)

Bridging the Creativity Understanding Gap: Small-Scale Human Alignment Enables Expert-Level Humor Ranking in LLMs
von: Zhou, Kuan Lok, et al.
Veröffentlicht: (2025)

Towards Understanding Fine-Tuning Mechanisms of LLMs via Circuit Analysis
von: Wang, Xu, et al.
Veröffentlicht: (2025)

How to Train Data-Efficient LLMs
von: Sachdeva, Noveen, et al.
Veröffentlicht: (2024)

Time-IMM: A Dataset and Benchmark for Irregular Multimodal Multivariate Time Series
von: Chang, Ching, et al.
Veröffentlicht: (2025)

Self-Trained Verification for Training- and Test-Time Self-Improvement
von: Wu, Chen Henry, et al.
Veröffentlicht: (2026)

In-Place Test-Time Training
von: Feng, Guhao, et al.
Veröffentlicht: (2026)

ModelingAgent: Bridging LLMs and Mathematical Modeling for Real-World Challenges
von: Qian, Cheng, et al.
Veröffentlicht: (2025)

Understanding and Steering the Cognitive Behaviors of Reasoning Models at Test-Time
von: Zhang, Zhenyu, et al.
Veröffentlicht: (2025)

From Language Modeling to Instruction Following: Understanding the Behavior Shift in LLMs after Instruction Tuning
von: Wu, Xuansheng, et al.
Veröffentlicht: (2023)

Continuous Approximations for Improving Quantization Aware Training of LLMs
von: Li, He, et al.
Veröffentlicht: (2024)

Agent-Omni: Test-Time Multimodal Reasoning via Model Coordination for Understanding Anything
von: Lin, Huawei, et al.
Veröffentlicht: (2025)

Examining Reasoning LLMs-as-Judges in Non-Verifiable LLM Post-Training
von: Liu, Yixin, et al.
Veröffentlicht: (2026)

Metadata Matters for Time Series: Informative Forecasting with Transformers
von: Dong, Jiaxiang, et al.
Veröffentlicht: (2024)

Stability as a Liability:Systematic Breakdown of Linguistic Structure in LLMs
von: Meng, Xianzhe, et al.
Veröffentlicht: (2026)

Time-MQA: Time Series Multi-Task Question Answering with Context Enhancement
von: Kong, Yaxuan, et al.
Veröffentlicht: (2025)

On Designing Effective RL Reward at Training Time for LLM Reasoning
von: Gao, Jiaxuan, et al.
Veröffentlicht: (2024)

An Iterative Utility Judgment Framework Inspired by Philosophical Relevance via LLMs
von: Zhang, Hengran, et al.
Veröffentlicht: (2024)

HuatuoGPT-II, One-stage Training for Medical Adaption of LLMs
von: Chen, Junying, et al.
Veröffentlicht: (2023)

Mathematical Reasoning via Intervention-Based Time-Series Causal Discovery Using LLMs as Concept Mastery Simulators
von: Okita, Tsuyoshi
Veröffentlicht: (2026)

Reconstructing Sepsis Trajectories from Clinical Case Reports using LLMs: the Textual Time Series Corpus for Sepsis
von: Noroozizadeh, Shahriar, et al.
Veröffentlicht: (2025)

SenTSR-Bench: Thinking with Injected Knowledge for Time-Series Reasoning
von: He, Zelin, et al.
Veröffentlicht: (2026)