LLM时间序列预测研究

该研究提出ICI-Time框架，将时间序列预测重构为视觉修复任务，利用大型视觉模型的泛化能力。通过将时间序列转换为面积图并应用视觉上下文学习，无需微调即可进行预测，在流行病学、气象学和电力系统等实验中表现与深度学习基线相当，且在有限数据下具有适应性。

该综述采用问题驱动分类法，将基于LLM的智能体系统按时间序列问题分为四类，并分析任务需求如何影响智能体架构、工具使用和记忆设计。总结了常用数据集和环境，并比较了模型性能。