Time-LLM

用大模型重编程时间序列，预测更准更通用

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 开源模型 🍴 复刻 466 🐛 待处理 40 👀 关注 20
GitHub ↗
GitHub 星标 ★ 2714
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，Apache-2.0许可证，可免费使用和部署。

项目预览

Time-LLM 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类开源模型
开发团队KimMeen
GitHubhttps://github.com/KimMeen/Time-LLM
定价模式🏷️完全免费
价格说明开源项目，Apache-2.0许可证，可免费使用和部署。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型cross-modal-learning,cross-modality,deep-learning,language-model,large-language-models,machine-learning,multimodal-deep-learning,multimodal-time-series,prompt-tuning,time-series,time-series-analysis,time-series-forecast,time-series-forecasting
GitHub 星标★ 2714
上线时间2024-01-20 00:00:00
代码更新2025-10-15
仓库体积1.1 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数3

项目介绍

Time-LLM 是一个面向时间序列预测的开源模型，其核心思路是“重编程”大型语言模型（LLM），将时间序列数据转化为文本原型，从而利用 LLM 强大的模式识别和推理能力完成预测任务。它解决了传统时间序列模型在跨域泛化和复杂模式捕捉上的局限，无需修改 LLM 内部结构即可适配多种预测场景。项目提供了完整的官方实现，包括模型训练、评估和可视化工具，支持多变量预测、长短期预测等任务，并在多个公开数据集上验证了有效性。其核心能力在于将 LLM 的语义理解迁移到数值时序分析中，实现高精度预测。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2714

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶 约 30 分钟 部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

  • Python 环境（README 未指定具体版本）
  • Git（用于克隆仓库）
  • 能阅读 run_main.py / run_m4.py / run_pretrain.py 中脚本内的超参数说明

安装与启动步骤

  1. 1克隆项目仓库

    从 GitHub 拉取 Time-LLM 官方实现代码到本地，README 未给出其他下载方式。

    git clone https://github.com/KimMeen/Time-LLM.git

  2. 2进入项目目录

    切到克隆下来的目录，后续脚本均在此目录下执行。

    cd Time-LLM

  3. 3阅读脚本超参数

    README 明确说明每个超参数的详细描述请参考 run_main.py、run_m4.py 和 run_pretrain.py，先读懂再运行。

  4. 4运行主程序

    README 未给出具体运行命令，需按脚本内超参数说明自行填写参数后执行 run_main.py。

    python run_main.py

如何确认成功

README 未提供验证方式，需以运行 run_main.py 等脚本后的终端输出是否正常完成、无报错为准。

常见问题

Q：每个超参数的含义在哪里看？

A：README 的 Detailed usage 一节说明：请参考 run_main.py、run_m4.py 和 run_pretrain.py，超参数描述都写在这些脚本里。

Q：有中文资料可以入门吗？

A：有。README 提供了机器之心、量子位、时序人、AI算法厨房的中文解读，以及知乎专栏文章链接。

Q：想先了解原理看什么？

A：可访问论文页 https://arxiv.org/abs/2310.01728，README 还提供两个 YouTube 讲解视频和 Medium 博客。

Q：怎么引用这个项目？

A：README 给出了 BibTeX 引用格式，条目名为 jin2023time，标题为 Time-LLM: Time series forecasting by reprogramming large language models。

注意事项

  • README 节选未包含安装依赖、环境配置和数据集准备的说明，动手前请先查看仓库中的依赖文件与脚本源码。
  • README 未给出端口、路径、API Key 等配置项，请勿臆造，以仓库实际内容为准。
  • 项目为 ICLR'24 论文官方实现，涉及大语言模型，通常对算力有一定要求。

核心亮点

  • 创新性地将 LLM 重编程用于时序预测，无需微调模型参数，直接利用预训练知识
  • 在多个基准数据集上超越现有 SOTA，尤其在长序列预测任务上表现突出
  • 代码结构清晰，提供完整训练和评估流程，易于复现和二次开发

不足之处

  • 依赖大型语言模型，推理资源消耗较高，不适合低算力环境
  • 对输入序列长度和文本化方式敏感，需针对数据调整预处理
  • 文档/社区待观察

适用场景

  • 金融时序预测（如股票、汇率）
  • 能源负荷预测（电力、用水）
  • 交通流量预测

替代项目

PatchTST、Autoformer、Informer

上一篇：MegaDLMs

下一篇：AlphaEdit

同类项目推荐

lightly-train 开源

一个命令搞定视觉模型预训练、微调和蒸馏，告别碎片化流程。

All-in-one training for vision models (YOLO, ViTs, RT-DETR, DINOv3): pretraining, fi···

★ 1728 2026-08-13
lora 开源

用少量图片和普通显卡，快速训练专属图像模型

Using Low-rank adaptation to quickly fine-tune diffusion models.

★ 7557 2026-08-09
ORLM 开源

让大模型看懂业务问题，自动写出优化模型代码

ORLM: Training Large Language Models for Optimization Modeling

★ 283 2026-08-09
AViD 开源

用自定义数据微调视觉定位模型，省去搭训练管线

Framework that enables fine-tuning of vision-language grounding models on custom dat···

★ 606 2026-09-16
m-courtyard 开源

在 Mac 上零代码微调 AI 模型，数据不出本机。

M-Courtyard: Local AI Model Fine-tuning Assistant for Apple Silicon. Zero-code, zero···

★ 181 2026-08-09
ml-mdm 开源

用更少数据和算力，训出高质量文生图模型

Train high-quality text-to-image diffusion models in a data & compute efficient mann···

★ 516 2026-09-17
azure-databricks-mlops-mlflow 开源

在 Azure Databricks 上快速搭建不依赖 MLflow Project 的 MLOps 流程

Azure Databricks MLOps sample for Python based source code using MLflow without usin···

★ 97 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性，长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 464 2026-08-09