- MIT Data to AIラボのチームは、大規模言語モデル（LLMs）を使用して時系列データの異常を検出する新しいフレームワークを開発
- LLMsは他のモデルに比べて性能が劣り、特に1970年代のARIMAモデルが11つのデータセットのうち7つで優れていた
- LLMsはファインチューニングを行わずに他のモデルを上回ることがある一方、ゼロショットラーニングを実現し、過去の学習なしに異常を検出
- LLMsの利点は、個々の信号ごとにモデルをトレーニングする手間を省くことで、運用者が異常検出を直接制御できることにある
- LLMsの異常検出精度を向上させるためには、ファインチューニングを慎重に行う必要がある
LLMsは他のモデルに比べて性能が劣ることが多いが、ゼロショットラーニングや運用者が直接制御できる利点がある。ファインチューニングを適切に行うことで、LLMsの異常検出精度を向上させることが重要である。