LLaTiSA：从视觉感知到语义的困难分级时间序列推理

大型语言模型在全面理解时间序列方面仍面临巨大挑战，现有研究受限于任务定义碎片化及基准测试的模糊性。为此，本文通过四级认知复杂度分类法形式化了时间序列推理（TSR），并引入了包含 83k 样本及验证思维链轨迹的分层数据集 HiTSR。基于此，提出了 LLaTiSA 模型，该模型整合可视化模式与精度校准数值表，以增强视觉 - 语言模型的时序感知能力。采用多阶段课程微调策略，LLaTiSA 在多样 TSR 任务及真实场景中展现出卓越性能与强大的分布外泛化能力。