REATS: Средство обучения на основе обоснования LLM для адаптационной серии динамики

arXiv:2608.10149v2 Annuatese Type: заменить резюме: В силу разнообразия реальных временных рядов ни одна модель прогнозирования не доминирует на всех образцах. Учеба на основе интеграционного обучения решает эту проблему путем сочетания дополнительных преимуществ модели, однако существующие методы основываются на фиксированных правилах или моделях черного ящика исключительно на численных вводимых данных и не позволяют использовать аргументацию ЛМЗ для принятия решений о взвешивании. Мы предлагаем REATS, который использует умные логичные возможности LLM в качестве маршрутизатора, который совместно обрабатывает текстовые описания временны́х схем и числовые характеристики для создания интерпретируемых, адаптированных к выборке весов с помощью цепной мысли. Для того чтобы создать условия для эффективной работы на основе ЛМЗ, мы изучаем основные варианты его проектирования и предлагаем: i) структурированный вводный трубопровод, который преобразует первичные временные ряды в гибридные текстово-цифровые представления с фиксированной символической стоимостью, что позволит строить цепочку мышления на основе правил без зависимости от АПИ, дополненный