En ny forskningsmodel fra arXiv viser en radikalt anderledes måde at træne AI til at forstå tidsserier – data som aktiekurser, sensor-aflæsninger eller energiforbrug. Modellen, kaldet CGTime, adskiller perception fra beskrivelse: I stedet for at lade en sprogmodel selv læse og fortolke rå data, beregner deterministisk kode først en række statistiske nøgletal, som sprogmodellen så blot skal formulere på naturligt sprog.
Det løser et grundlæggende problem i eksisterende tilgange. Normalt trænes multimodale modeller ved at lade en LLM læse en tidsserie og skrive en beskrivelse – men så er kvaliteten af træningsdata begrænset af, hvor god modellen allerede er til at opfatte mønstre. Data kan aldrig lære modellen mere, end labeleren allerede ved. Derudover bruger de fleste datasæt kun én variabel, selvom de vigtigste mønstre – som krydskorrelation og lead-lag-strukturer – først opstår med flere variable, netop hvor LLM'ens svagheder er størst. Faktisk skaber disse to problemer en trilemma: eksisterende metoder er pålidelige, realistiske eller skalerbare, men ingen opnår alle tre.
CGTime, en 4-milliard-parameter model, klarer sig bedre end langt større generalist-modeller på multivariate forståelsesopgaver. På forskernes egen benchmark opnår den en multivariat fakta-score på 0,283 mod 0,173 for GPT-4o-mini og 0,203 for GPT-5.4-nano – en forskel der overlever Holm-korrigerede parvise signifikanstests mod alle baseline-modeller. Modellen genererer også verificerbare numeriske fakta i sine billedtekster mere præcist og dækker et bredere spektrum af statistiske egenskaber.
For beslutningstagere betyder det noget, fordi tidsserieanalyse er fundamentet for prognoser, risikovurdering og overvågning i alt fra finans til industri. Hvis en lille, åben model kan matche eller overgå langt større kommercielle modeller på multivariate opgaver – uden at kræve enorme mængder manuelt annoterede data – kan det sænke omkostningerne og øge præcisionen for virksomheder, der bygger på sådanne systemer.
