LLM4TS

一网打尽LLM+时序模型，找代码、看论文、选基线，省时省力。

LLM4TS 是一个专注于时间序列领域的大语言模型与基础模型资源整合项目。它系统性地收集、分类和整理了近年来涌现的各类基于大语言模型（LLM）和基础模型（Foundation Model）的时间序列分析方法、论文、代码和预训练模型。该项目旨在解决时间序列分析领域研究碎片化、模型复用难、入门门槛高的问题。其核心能力包括：提供结构化的论文列表和分类体系，涵盖预测、分类、异常检测等任务；汇总各类模型的实现代码与预训练权重，方便研究者复现和对比；持续更新以跟踪该交叉领域的最新进展。通过这一站式资源库，研究者可以快速了解技术脉络、找到合适的基线模型，并在此基础上开展进一步研究。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 566

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队liaoyuhua

所属国家

官网地址

GitHubhttps://github.com/liaoyuhua/LLM4TS

定价模式free

价格说明开源项目，免费使用，需自行部署。

访问状态

是否开源是

开源协议

主要语言

技术栈/模型deep-learning,foundation-models,large-language-models,survey,time-series

GitHub 星标★ 566

30天Star增速

HF 下载量

上线时间2023-07-24 00:00:00

最近更新2026-09-16 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

核心亮点

系统梳理了LLM与时间序列结合的前沿研究，分类清晰，便于快速定位。
汇总了多种模型的代码和预训练权重，降低了复现和对比实验的成本。
项目持续更新，能反映该交叉领域的最新动态，是入门和追踪进展的好帮手。

不足之处

项目仍处于早期阶段，内容完整性和深度可能有限。
文档和社区支持尚待观察，可能缺乏详细的贡献指南和活跃讨论。

适用场景

科研人员调研LLM在时间序列预测、异常检测等任务上的应用现状。
工程师寻找可用于实际业务的时间序列基础模型，并评估其效果。
学生或初学者通过该列表系统学习LLM+时序的技术路线和关键论文。

替代项目

Awesome-Time-Series、Time-Series-Library、Awesome-LLM-Time-Series

项目介绍

LLM4TS 是开源模型领域的开源项目，由 liaoyuhua 开发，2023 年首次发布。

它收录于开源模型分类，该分类目前共有 422 个项目，GitHub 星标数为 566。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-16。免费使用，需自行部署。

它主要面向的使用场景是：科研人员调研LLM在时间序列预测、异常检测等任务上的应用现状。同类可对比的替代方案包括 Awesome-Time-Series、Time-Series-Library、Awesome-LLM-Time-Series。

上一篇：awesome-fm4co

下一篇：HPT