TimeInteract：迈向流式时间序列的实时交互智能

现实世界中的时间序列持续演化，有意义的变化可能在任何时刻出现。然而，现有的时间序列语言模型（TSLMs）本质上仍是静态的。它们要么接收完整序列进行离线处理，要么在流式输入与响应生成之间交替进行，这使其无法在交互过程中处理新的观测。我们提出了一种新的范式——时间序列交互：模型持续感知输入的时间序列观测和用户意图，自主决定何时保持沉默或作出响应，并在生成响应的同时继续处理新的观测。为实现这一目标，我们设计了TimeInteract，包含三个关键设计：能够捕捉局部变化与历史动态的双视角流式TS编码器；学习何时触发响应的响应控制机制；以及将控制与响应生成分离、避免阻塞后续观测的解耦流式推理机制。我们进一步构建了一个交互能力层级，从理解逐步发展到适应性。基于该层级，我们构建了StreamTSI-34K，这是一个大规模流式TS交互数据集，包含34,588个片段和77,505条响应，涵盖合成与现实世界的时间序列，以及单轮和多轮交互设置。在全部四个交互层级上，TimeInteract始终优于现有的LLMs、VLMs和TSLMs，在具有挑战性的任务上最高提升23.92个百分点。同时，它还改善了响应触发效果，实现了近乎为零的流停滞，并将推理速度最高提升至2.15倍。