TSFM ontmoet LLM: context als covariaten

arXiv:2611.05515v1 Aankondigingstype: nieuw Samenvatting: Tekstuele informatie is alomtegenwoordig in real-world tijdreeksdatasets; ze verschijnt als nieuws, rapporten en annotaties die cruciale voorspellende signalen bevatten die niet alleen uit de numerieke geschiedenis zijn af te leiden. Grote taalmodellen (LLM's) interpreteren tekst maar missen numerieke precisie, terwijl Time Series Foundation Models (TSFM's) kwantitatief nauwkeurig zijn maar niet kunnen redeneren over de effecten van tekst. Bovendien beperkt het gebrek aan grootschalige gepaarde multimodale datasets pr