TSRouter: графический фреймворк для динамического выбора модели и модальности при анализе временных рядов
Исследователи из Tianyi Lab разработали TSRouter — новый фреймворк для динамического выбора модальности и модели при решении задач анализа временных рядов. Результаты работы опубликованы на arXiv.
Анализ временных рядов — ключевая задача во многих областях, от финансов до промышленности. Для её решения применяются как большие языковые модели (LLM), так и модели зрения и языка (VLM). LLM работают с временными рядами как с текстовыми последовательностями, сохраняя точное числовое понимание, но теряя глобальные паттерны. VLM, визуализируя данные, эффективнее выявляют общие закономерности, но могут упускать детали.
Кроме того, разные модели существенно различаются по специализации и вычислительным затратам. Динамический выбор наиболее подходящей модальности и модели для каждого запроса — сложная задача, требующая учёта взаимодействия между задачами, запросами, модальностями и моделями.
TSRouter решает эту проблему с помощью гетерогенного графа, который связывает узлы задач, запросов, модальностей и моделей. Фреймворк оценивает каждую пару модальность-модель на основе заданных пользователем предпочтений производительности и стоимости, выбирая оптимальный вариант.
В ходе экспериментов на четырёх различных задачах анализа временных рядов TSRouter показал относительное улучшение на 16–46% по сравнению с базовыми подходами. Фреймворк также продемонстрировал надёжное zero-shot обобщение на невиданные ранее модели и новые задачи, сохраняя высокую производительность при снижении вычислительных затрат за счёт оптимизации с учётом стоимости.
Авторы опубликовали исходный код TSRouter на GitHub (github.com/tianyi-lab/TSRouter), что позволяет сообществу исследователей и разработчиков использовать и дорабатывать фреймворк.
