A Survey of Reasoning and Agentic Systems in Time Series with Large Language Models

• ArXiv URL: http://arxiv.org/abs/2509.11575v1

• 作者: Wen-Chih Peng; Tien-Fu Chen; Defu Cao; Haixin Wang; Jeehyun Hwang; Yan Liu; Yidan Shi; Ching Chang; Wei Yang; Wei Wang

• 发布机构: National Yang Ming Chiao Tung University; University of California; University of Southern California

---

引言

时间序列数据在金融、医疗、能源等领域无处不在，推动了监控、预测和决策等关键应用的发展。然而，许多新兴应用如个性化医疗、自适应风险管理等，要求模型不仅能预测，还能解释其输出、进行因果推理和决策。这突显了时间序列分析对结构化和可靠推理能力的迫切需求。

大型语言模型（LLMs）的出现是一个转折点。它们能够展现逐步推理、阐明因果假设，并与外部工具和环境交互。当被整合到智能体（Agent）系统中时，LLMs获得了规划、反思和持续适应的能力，将时间序列建模从静态预测转变为交互式和解释性的过程。

基于此，本文将时间序列推理（Time Series Reasoning, TSR）定义为：大型语言模型在处理带时间索引的数据时，显式执行结构化推理程序的一类方法，这些方法可能通过多模态上下文和智能体系统得到增强。本文的核心贡献在于：

1. 提出首个系统性分类体系：围绕推理拓扑（执行结构）和主要目标（任务意图）两个互补的轴线构建，并辅以描述控制流、执行者、模态、知识访问和LLM对齐方案的属性标签。
2. 提供综合性回顾：不仅分析了研究论文中的方法模式，还对数据集、基准、综述等辅助性工作进行了分类，展示了它们如何支持和塑造时间序列推理领域的发展。
3. 明确开放性问题：重点指出了在评估、多模态融合、知识增强、长上下文推理、效率、智能体控制以及因果推断等方面的挑战，为该领域的下一阶段研究规划了蓝图。

背景与分类体系

时间序列推理的定义

时间序列推理 (Time Series Reasoning, TSR) 指的是在处理带时间索引的数据时执行显式推理程序的方法。这些方法越来越多地由大型语言模型（LLMs）和多模态LLMs实现，它们能够清晰地表达推理轨迹、与外部工具交互，并作为自主智能体运行。

本文提出的分类体系包含三个互补的组成部分：

1. 推理拓扑 (Reasoning Topology)：指定推理的执行结构。
2. 主要目标 (Primary Objective)：阐明推理过程的主要意图。
3. 属性标签 (Attribute Tags)：描述如控制流、执行者、模态和对齐等辅助属性。

其中，推理拓扑和主要目标是互斥的：每篇论文根据其核心结构和评估重点，被精确分配一个拓扑和一个目标。相比之下，属性标签是非互斥的，一篇论文可以同时拥有多个标签。

推理拓扑

本文识别出三种互斥的推理拓扑，它们代表了从简单到复杂的推理复杂度谱系：直接推理、线性链式推理和分支结构推理。

直接推理 (Direct Reasoning)

这是最简单的执行形式：单步推理或工具调用，没有任何中间推理轨迹。模型直接从输入跳到输出，例如直接生成预测或分类标签。这种方式效率最高，但可解释性、鲁棒性和处理复杂任务的能力有限，通常作为基线或在对透明度要求不高的场景中使用。

线性链式推理 (Linear Chain Reasoning)

通过引入一系列顺序排列的推理步骤来扩展直接推理。每一步都依赖于前一步的输出，形成一个逻辑进程（例如，分步预测）。这种结构使中间状态变得明确、可观察，从而提供了比直接推理更好的可解释性和模块化。然而，它仅限于单一路径，缺乏探索多重假设的灵活性。

分支结构推理 (Branch-Structured Reasoning)

在这种拓扑中，推理轨迹可以在单次执行中分支成多个路径。分支可能源于模型并行或顺序地探索不同的假设、计划或解释。这使得系统能够进行探索、自适应修正早期步骤、重用中间结果，甚至通过反馈循环或跨分支操作来整合信息。与线性链式推理相比，它更为灵活和强大，但也带来了控制分支增长、处理反馈循环等挑战。

主要目标

主要目标定义了推理过程的最终目的。本文将目标分为四大类，这为比较方法提供了另一个维度：不仅看它们“如何”推理，也看它们“为何”推理。

传统时间序列分析

涵盖直接建模时间动态的预测性和描述性任务，是时间序列推理的基础。

• 预测 (Forecasting)：将预测视为一个显式的推理过程，而不仅仅是数值外推。
• 分类 (Classification)：通过结构化提示或逐步推理将时间序列映射到语义类别。
• 异常检测 (Anomaly Detection)：利用推理来判断异常点，例如通过对比候选解释。
• 分割 (Segmentation)：结合统计线索与可解释规则来划分序列。
• 多任务 (Multiple Tasks)：统一的推理框架同时处理多个目标。

解释与理解

强调生成人类可解释的见解，而非原始预测。

• 时间序列问答 (Temporal Question Answering)：解析关于时间信号的问题，并提供基于证据的答案。
• 解释性诊断 (Explanatory Diagnostics)：连接观察到的结果与根本原因，生成诊断性叙述。
• 结构发现 (Structure Discovery)：生成并提炼描述时间序列依赖关系的解释性结构，如因果元组或符号规则。

因果推断与决策

关注于在时间环境中对干预及其结果进行推理。

• 自主策略学习 (Autonomous Policy Learning)：模型直接从时间状态中推导和执行动作策略。
• 辅助决策支持 (Advisory Decision Support)：系统提供有理有据的建议或“假设”分析，以协助人类决策者。

时间序列生成

关注直接创建或修改时间数据。

• 条件化合成 (Conditioned Synthesis)：将提示或规范映射为时间动态，确保合成序列遵循预期的模式。

属性标签

属性标签是用于捕获额外属性的轻量级、非互斥描述符，分为四类。

控制流操作符

描述推理过程在步骤间的组织方式。

• 任务分解 (Task Decomposition)：显式地将问题分解为子问题或子计划。
• 验证与批判 (Verification and Critique)：存在一个明确的步骤来评估候选输出或中间推理。
• 集成选择 (Ensemble Selection)：显式比较多个候选推理轨迹或预测，并根据规则（如投票、排序）选择最终结果。

执行智能体

指明在执行过程中负责执行推理步骤的实体。

• 工具使用 (Tool Use)：模型在推理过程中调用外部资源，如搜索引擎或求解器。
• 智能体 (Agents)：这是一个分类标签，记录推理时是否存在自主智能体（0=无，1=单个，M=多个协作）。

信息源

捕获超出原始时间序列本身的输入。

• 多模态输入 (Multimodal Inputs)：将时间序列与其他模态（如自然语言、图像）结合。
• 知识访问 (Knowledge Access)：通过检索模块、搜索引擎或数据库等方式整合外部信息。

LLM对齐机制

指定LLM如何被训练或调整以在时间序列任务上执行推理。这是一个分类标签，包含四种机制：

• 提示 (Prompting)：使用冻结模型，通过指令或少量示例进行引导。
• 监督微调 (Supervised fine-tuning)：在有标签的时间序列推理任务上训练模型。
• 强化或偏好对齐 (Reinforcement or preference alignment)：使用基于反馈的目标（如RLHF）来调整模型。
• 混合方法 (Hybrid approaches)：结合监督微调和强化/偏好对齐。

直接推理

直接推理是分类体系中最基本的推理拓扑。在此设置中，模型在单一步骤内将时间序列输入直接映射到输出，而不生成或暴露任何中间推理轨迹。这种方法虽然简单高效，但在可解释性和处理复杂任务方面能力有限。尽管如此，它在近期工作中仍被广泛采用，尤其是在直接的预测、异常检测或描述性问答任务中。

以下是直接推理方法按其主要目标的组织：

• 传统时间序列分析
  • 预测:
    • LLMTIME [Gruver et al. (2023)], CiK [Williams et al. (2025)], DP-GPT4MTS [Liu et al. (2025a)], TEMPO [Cao et al. (2024a)], NNCL-TLLM [Bogahawatte et al. (2024)], CMLLM [Zhu et al. (2025)], Hybrid-MMF [Kim et al. (2024)], Tang et al. (2025)
  • 分类:
    • HiTime [Tao et al. (2024)], HeLM [Belyaeva et al. (2023)], FinSrag [Xiao et al. (2025a)]
  • 异常检测:
    • Zhou & Yu (2025)
  • 分割:
    • MedTsLLM [Chan et al. (2024)]
  • 多任务:
    • ChatTime [Wang et al. (2025a)]
• 解释与理解
  • 时间序列问答:
    • Chat-TS [Quinlan et al. (2025)], ChatTS [Xie et al. (2025)], ITFormer [wang et al. (2025)], Time-MQA [Kong et al. (2025a)]
  • 解释性诊断:
    • GEM [Lan et al. (2025)], Time-RA [Yang et al. (2025b)], Momentor [Qian et al. (2024)]
  • 结构发现:
    • RealTCD [Li et al. (2024b)]
• 因果推断与决策
  • 自主策略学习:
    • GG-LLM [Graule & Isler (2024)]

传统时间序列分析与直接推理

在这类任务中，模型充当一个单步映射器，将时间输入（可带有附加上下文）转换为预测、类别标签或异常区间等输出。

预测

• LLMTIME: 将预测问题重构为对文本化数字的下一Token生成。
• CiK: 在一个上下辅助的基准上评估直接提示，以结构化形式一次性输出概率预测。
• TEMPO: 将趋势、季节性和残差分解，用特定提示预测各分量，最后相加得到预测结果。
• NNCL-TLLM: 通过最近邻选择学习到的提示，输入到部分调整的LLM中生成预测。

分类

• HiTime: 对齐时间序列和文本语义，让微调后的LLM以文本形式生成类别标签。
• FinSrag: 检索历史指标片段，序列化后用于提示，让一个微调的LLM直接预测股票涨跌。

异常检测

• Zhou & Yu (2025): 提示LLM从文本化序列或绘图图像中一步返回异常区间，发现图像输入通常优于文本输入。

分割

• MedTsLLM (2024): 将上下文文本和信号片段（如ECG）连接到冻结的LLM中，通过线性投影输出嵌入来生成分割掩码或边界点。

解释与理解与直接推理

这类方法的主要产物是自然语言答案、基本原理或因果解释，它们都是通过单步推理从时间序列中派生出来的。

时间序列问答

• Chat-TS: 扩展LLM词汇表以包含离散的时间序列Tokens，并在多模态指令数据集上训练，以实现混合时间序列-文本的直接问答。
• ChatTS: 开发了一个多模态LLM，通过合成QA生成和分阶段微调来整合时间序列和文本，支持对趋势、季节性、异常和因果查询进行单步解释性推理。

解释性诊断

• GEM: 对齐ECG波形、图像和文本，通过微调LLM，可以生成带有临床医生风格解释的诊断报告。
• Time-RA: 引入了一个以推理为中心的大型多模态异常检测数据集RATs40K，模型可在单次传递中生成“观察-思考-行动”式的基本原理。

因果推断与决策与直接推理

自主策略学习

• GG-LLM: 提出了一个面向人类感知的机器人任务规划框架，其中一个冻结的LLM在一次提示后对候选交互进行评分，下游规划器使用这些分数来引导机器人，从而减少对人类的干扰。

直接推理中的属性标签

• 控制流操作符: 任务分解、验证和集成选择在直接推理中很少被采用。
• 执行智能体: 工具使用几乎不存在，且所有流程都以非智能体方式运行。
• 信息源: 多模态输入相当普遍，例如将时间序列与文本、图像或视频结合。知识访问则几乎不存在。
• LLM对齐机制: 仅提示和监督微调都被广泛采用。没有出现仅强化学习或混合对齐的机制。

线性链式推理

线性链式推理表示执行过程遵循一个单一、有序的步骤序列，并且在轨迹中没有分支。模型可以显式分解任务、调用一次工具或检索，并可选地执行一次性的验证，但它不会维护多个并发的假设或进行“批判-修正”的迭代循环。这种拓扑结构在保留直接推理大部分简单性的同时，增加了一些温和的结构，可以改善基础和数值稳定性，同时仍然避免了分支结构系统的延迟和复杂性。

以下是线性链式方法按其主要目标的组织：

• 传统时间序列分析
  • 预测:
    • TimeReasoner [Wang et al. (2025c)], RAF [Tire et al. (2024)], TimeRAG [Yang et al. (2024)], Time-R1 [Luo et al. (2025)], Yu et al. (2023)
  • 分类:
    • TableTime [Wang et al. (2025d)], VL-Time [Liu et al. (2025c)], ZARA [Li et al. (2025e)], TimeMaster [Zhang et al. (2025b)], Chow et al. (2024), REALM [Zhu et al. (2024)]
  • 异常检测:
    • VLM4TS [He et al. (2025)], LLMAD [Liu et al. (2025e)], Dong et al. (2024), SIGLLM [Alnegheimish et al. (2024)], SLEP [Wang et al. (2026)], LEMAD [Ji et al. (2025)]
  • 多任务:
    • LTM [Hao et al. (2025)], Ravuru et al. (2024)
• 解释与理解
  • 时间序列问答:
    • Tan et al. (2025), TG-LLM [Xiong et al. (2024)]
  • 解释性诊断:
    • TempoGPT [Zhang et al. (2025a)], TSLM [Trabelsi et al. (2025)], Xu et al. (2025a)
• 因果推断与决策
  • 自主策略学习:
    • FinAgent [Zhang et al. (2024a)], FINMEM [Li et al. (2024a)], Open-TI [Da et al. (2024)]
  • 辅助决策支持:
    • SocioDojo [Cheng & Chin (2024)]
• 时间序列生成
  • 条件化合成:
    • GenG [Zhou et al. (2024)], Joshi (2025)

传统时间序列分析与线性链式推理

在线性链式推理下进行传统的时间序列分析，通常会实现一个脚本化的序列，如“分析 → (检索) → 预测”或“检测 → 验证 → 决策”，同时保持单一路径执行。

预测

• TimeReasoner: 将时间序列预测视为一个深思熟虑的推理过程，使用结构化提示让LLMs在生成预测之前先分析模式，这是一个固定的线性序列。
• RAF: 引入一个检索增强框架，为数据集构建特定数据库，检索最相关的时间片段，并将其整合到预测过程中。
• TimeRAG: 提出一种基于检索的方法，将时间序列切片成代表性片段，检索相似历史，并将其重编程为自然语言提示，供冻结的LLM使用。

分类

• TableTime: 将时间序列序列化为表格形式的提示，用于无需训练的分类，采用固定的“分析后分类”流程，并可选择跨多个独立运行进行自洽集成。