OpenTSLM

Les Grands Modèles de Langage (LLMs) ont émergé comme des outils efficaces pour interpréter des données multimodales (par exemple, images, audio, texte), dépassant souvent les modèles spécialisés. En médecine, ils offrent une promesse particulière pour synthétiser de grands volumes d'informations cliniques en insights exploitables et applications de santé numérique orientées vers les patients. Pourtant, une limitation majeure demeure leur incapacité à traiter les données de séries temporelles. Pour combler cette lacune, nous présentons OpenTSLM, une famille de Modèles de Langage de Séries Temporelles (TSLMs) créés en intégrant les séries temporelles comme une modalité native dans des Grands Modèles de Langage préentraînés, permettant des demandes en langage naturel et un raisonnement sur plusieurs séries temporelles de n'importe quelle longueur ... 🔗 Lis l'article complet