LLM 与贝叶斯状态空间模型结合的多模态时序预测

论文提出 LLM 与状态空间模型结合的概率预测框架 LBS。

资讯摘要

论文提出 LBS，一种将大语言模型与贝叶斯状态空间模型结合的概率框架，用于多模态时序预测。其状态空间模型主干刻画潜状态的时间动态，预训练 LLM 负责编码文本输入以估计后验状态，并解码与潜轨迹一致的文本预测。作者报告该设计支持灵活的回看与预测窗口、可量化不确定性，在 TextTimeCorpus 基准上较此前最优提升 13.20%，并给出可读的预测摘要。

要点速读

1. LBS 由状态空间模型主干与适配的预训练 LLM 两部分组成，分别负责时序动态建模和文本编码与解码。
2. 作者报告在 TextTimeCorpus 基准上较此前最优方法提升 13.20%，并为每次预测提供人类可读摘要。
3. 论文称这是首次将 LLM 与 SSM 统一用于数值与文本联合预测。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。