Time-R1

让大模型像专家一样一步步推理预测时间序列

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 13 👀 关注 2
GitHub ↗
GitHub 星标 ★ 102
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源框架,本地部署,完全免费

项目预览

Time-R1 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ustc-time-series
定价模式🏷️完全免费
价格说明开源框架,本地部署,完全免费
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
主要语言Python
技术栈/模型large-language-models,reinforcement-learning,time-series-forecasting
GitHub 星标★ 102
上线时间2025-05-15 00:00:00
代码更新2026-10-14
仓库体积7.6 MB
本站数据更新2026-11-09
维护状态较活跃
收录时间2026-08-09
浏览次数3

项目介绍

Time-R1 是一个两阶段强化微调框架,用于训练大语言模型进行慢思考、逐步推理,以实现准确且可解释的时间序列预测。它解决了传统时间序列模型缺乏可解释性和推理能力的问题,通过强化学习让模型在预测时生成推理链条,并利用基于规则的可验证奖励函数来优化预测精度。核心能力包括:将时间序列数据转化为文本标记、构建推理轨迹、通过两阶段训练(先监督微调再强化学习)提升模型性能。该框架支持多种基础模型,并提供了完整的训练和评估流程,适合研究者和开发者用于金融、能源、交通等领域的预测任务。

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 ★ 102

核心亮点

  • 两阶段训练策略(SFT+RL)有效提升预测精度和推理能力
  • 基于规则的奖励函数,无需人工标注,可自动化验证预测结果
  • 生成可解释的推理链条,突破传统黑盒预测模型局限

不足之处

  • 文档/社区待观察
  • 依赖大模型推理,计算资源消耗较高

适用场景

  • 金融时序预测(如股票、汇率)需要解释决策依据
  • 能源负荷预测,需结合上下文推理异常波动
  • 科研场景中探索LLM在时序推理上的能力边界

替代项目

Time-LLM、Chronos、Lag-Llama

上一篇:reasoning-gym

下一篇:SIM-CoT

同类项目推荐

zenbytes 开源

跟着 Notebook 一步步上手 ZenML,搞定 MLOps 流水线

A simple guide to MLOps through ZenML and its various integrations.

★ 189 2026-08-09
automix 开源

让多个AI模型互相验证,推理结果更靠谱

Mixing Language Models with Self-Verification and Meta-Verification

★ 120 2026-08-09
TextRL 开源

在任意 HuggingFace 模型上实现 RLHF 微调,让生成更符合人类偏好。

Implementation of ChatGPT RLHF (Reinforcement Learning with Human Feedback) on any g···

★ 563 2026-08-09
llemr 开源

把病历变成指令,微调大模型看懂医疗数据

NeurIPS'24 DB (Spotlight) | Instruction Tuning Large Language Models to Understand E···

★ 62 2026-08-09
Fairy-plus-minus-i 开源

把LLM权重量化搬到复数域,低比特下少掉点

Fairy±i (iFairy): Complex-valued Quantization Framework for Large Language Models

★ 136 2026-09-25
PyTorch-CycleGAN 开源

用无配对图片训练,轻松实现风格迁移和图像转换

A clean and readable Pytorch implementation of CycleGAN

★ 1319 2026-08-09
maji-merger 开源

在 WebUI 里拖拽调参,几秒合并出全新模型

A WebUI extension for model merging

★ 72 2026-08-09
PSEC 开源

让AI智能体像搭积木一样,在参数空间里不断学习新技能、组合旧技能,应对新挑战。

[ICLR 2025] The offical implementation of "PSEC: Skill Expansion and Composition in ···

★ 68 2026-08-09