将时间序列表示为结构化程序以用于大语言模型推理

大语言模型在时间序列分析中面临模态不匹配挑战，现有方法常导致长序列性能下降。本文提出 T2SP，一种无需训练的确定性方法，将时间序列分解为趋势、周期和显著事件，并转化为结构化符号程序。该方法将时序结构提取前置到表示层，使现成 LLM 能利用原有推理能力理解时间序列。在编辑、描述生成和问答任务中，T2SP 显著提升了性能，缩短了推理时间并降低了失败率，证明了其作为高效接口的价值。