Seleção Eficiente de Modelos para Previsão de Séries Temporais via LLMs

Efficient Model Selection for Time Series Forecasting via LLMs

April 2, 2025

Autores: Wang Wei, Tiankai Yang, Hongjie Chen, Ryan A. Rossi, Yue Zhao, Franck Dernoncourt, Hoda Eldardiry

cs.AI

Resumo

A seleção de modelos é uma etapa crucial na previsão de séries temporais, tradicionalmente exigindo extensas avaliações de desempenho em diversos conjuntos de dados. Abordagens de meta-aprendizado visam automatizar esse processo, mas geralmente dependem de matrizes de desempenho pré-construídas, que são custosas para desenvolver. Neste trabalho, propomos utilizar Modelos de Linguagem de Grande Escala (LLMs) como uma alternativa leve para a seleção de modelos. Nosso método elimina a necessidade de matrizes de desempenho explícitas ao aproveitar o conhecimento intrínseco e as capacidades de raciocínio dos LLMs. Por meio de experimentos extensivos com LLaMA, GPT e Gemini, demonstramos que nossa abordagem supera técnicas tradicionais de meta-aprendizado e baselines heurísticas, ao mesmo tempo em que reduz significativamente a sobrecarga computacional. Esses resultados destacam o potencial dos LLMs para uma seleção eficiente de modelos na previsão de séries temporais.

English

Model selection is a critical step in time series forecasting, traditionally requiring extensive performance evaluations across various datasets. Meta-learning approaches aim to automate this process, but they typically depend on pre-constructed performance matrices, which are costly to build. In this work, we propose to leverage Large Language Models (LLMs) as a lightweight alternative for model selection. Our method eliminates the need for explicit performance matrices by utilizing the inherent knowledge and reasoning capabilities of LLMs. Through extensive experiments with LLaMA, GPT and Gemini, we demonstrate that our approach outperforms traditional meta-learning techniques and heuristic baselines, while significantly reducing computational overhead. These findings underscore the potential of LLMs in efficient model selection for time series forecasting.