sigllm

用大模型读懂时间序列,自动揪出异常点

sigllm 是一个利用大型语言模型进行时间序列异常检测的开源项目。它针对传统时间序列异常检测方法在复杂场景下泛化能力不足的问题,提出将时间序列数据转化为语言模型可理解的文本或标记序列,从而借助大语言模型的强大模式识别和推理能力来识别异常。项目核心能力包括数据预处理、特征构造、模型调用与结果可视化,支持多种大语言模型后端,并提供实验对比框架。它解决了传统方法对非线性、高维和动态变化数据适应性差的问题,为时间序列异常检测提供了一种新颖的、基于语义理解的方案。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 97
维护状态 低维护
是否开源
定价模式 free

项目数据

分类开源模型
开发团队sintel-dev
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型anomaly-detection,large-language-models,timeseries
GitHub 星标★ 97
30天Star增速
HF 下载量
上线时间2023-11-17 00:00:00
最近更新2026-08-21 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2

使用教程

核心亮点

  • 创新性地将大语言模型应用于时间序列异常检测,思路新颖
  • 提供完整的实验流程和可视化工具,便于复现和对比
  • 支持灵活配置不同大语言模型,适应多种场景

不足之处

  • 项目处于早期阶段,文档和社区支持尚不完善
  • 依赖外部大模型API或本地算力,部署成本较高

适用场景

  • 工业设备传感器数据异常监控
  • 金融交易序列的欺诈检测
  • IT系统运维指标异常告警

替代项目

Merlion、PyOD、Anomaly Transformer

项目介绍

sigllm 是行业应用领域的开源项目,由 sintel-dev 开发,2023 年首次发布。

它收录于行业应用分类,该分类目前共有 544 个项目,GitHub 星标数为 97。

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 2026-08-21。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:工业设备传感器数据异常监控。同类可对比的替代方案包括 Merlion、PyOD、Anomaly Transformer。

上一篇:LMT

下一篇:Auto-Analyst

同类项目推荐

xmgai-like 开源

换脸、艺术二维码随手玩,副业灵感一包带走。

本开源 AI 副业搞钱项目集成了强大功能,包括 AI 艺术二维码生成、AI 换脸、Delle3 绘画等···

★ 60 2026-08-09
spoken-to-signed-translation 开源

把口语文本一路转成手语视频的流水线

a text-to-gloss-to-pose-to-video pipeline for spoken to signed language translation

★ 102 2026-09-11
LiveTranslate 开源

直播看片实时翻译,字幕秒出,跨语言无压力

Real-time audio translation, captures system audio + mic, runs ASR (Whisper/SenseVoi···

★ 691 2026-08-13