摘要部分提出了对大型语言模型(LLMs)在时间序列预测任务中有效性的质疑。通过一系列消融研究,作者发现在流行的基于LLM的时间序列预测方法中,移除或替换LLM组件不仅不会降低预测性能,而且在多数情况下还能提高结果。此外,尽管计算成本显著,预训练的LLMs并没有比从头开始训练的模型表现得更好,也没有展现出对时间序列数据...