近期，科技界迎來了一項重大突破，字節(jié)跳動攜手清華大學共同揭曉了一款名為ChatTS的時序多模態(tài)大模型。這一創(chuàng)新成果的問世，不僅為時序數(shù)據(jù)處理領域帶來了革命性的變化，還彌補了市場上該類模型的空白。
ChatTS模型的開發(fā)聚焦于提升AI在時序數(shù)據(jù)問答與推理方面的能力，尤其在面對AIOps和金融等復雜場景中的時序數(shù)據(jù)處理需求時，展現(xiàn)出了極大的潛力。據(jù)悉，此次研究的核心貢獻者包括清華大學的在讀博士生謝哲，以及來自字節(jié)跳動的李則言、何曉等成員，項目在字節(jié)跳動研究科學家張鐵贏和清華大學計算機系副教授裴丹的指導下順利完成。
ChatTS模型的一大亮點在于其原生支持多變量時序問答與推理功能，這一特性有效解決了以往模型在處理時序數(shù)據(jù)時面臨的局限性。傳統(tǒng)時序數(shù)據(jù)分析通常依賴于統(tǒng)計模型或AI模型，但這些方法往往需要大量特定數(shù)據(jù)的訓練和復雜的預處理步驟，導致通用性和可解釋性成為難題。ChatTS則憑借其強大的語言建模能力，實現(xiàn)了對時序數(shù)據(jù)的自然語言理解，從而打破了這一瓶頸。
為了克服時序與語言之間的匹配難題，研究團隊創(chuàng)新性地采用了“純合成驅動”的方法，構建了一套端到端的數(shù)據(jù)生成與模型訓練框架。通過設計“屬性驅動”的時序生成體系，ChatTS能夠生成多樣化且真實的時序數(shù)據(jù)，并確保這些數(shù)據(jù)與自然語言描述精確對應。這一設計極大地提升了模型的準確性和實用性。
在實際應用中，ChatTS展現(xiàn)出了卓越的性能。它能夠分析多變量時序的形態(tài)，識別出未見過的波動模式，并自動進行命名。更令人矚目的是，該模型還能在沒有精確提示的情況下，準確提取時序數(shù)據(jù)中的異常波動。這些特性彰顯了ChatTS的靈活性和智能化水平。
ChatTS的發(fā)布標志著時序數(shù)據(jù)在各行業(yè)應用的重大進步。未來，這一創(chuàng)新模型有望在故障診斷、金融分析等多個領域發(fā)揮關鍵作用。ChatTS的研究成果已獲得了頂級數(shù)據(jù)庫會議VLDB2025的認可，這進一步證明了其學術價值和實際應用前景。
