大模型：OneFitsAll、Time - LLM、LLaTA

LLM数据集：ETT、Illness、Weather

ETT、Illness、Weather在上述提到的论文中都是用于时间序列预测研究的真实世界数据集，以下是对它们的具体介绍：

ETT数据集

• 内容：ETT是电力变压器温度（Electric Transformer Temperature）数据集，通常包含电力变压器在不同时间点的温度测量值以及可能相关的其他特征，如负载电流、环境温度等。例如，可能记录了每小时电力变压器的油温、绕组温度以及对应的负载电流和环境温度等数据，这些数据可以反映电力变压器在不同工况下的运行状态。
• 使用方法：在时间序列预测任务中，可以将历史的温度及相关特征数据作为输入，目标是预测未来某个时间点或时间段内电力变压器的温度。例如，利用过去24小时或一周的油温、绕组温度、负载电流和环境温度等数据，通过建立时间序列预测模型，来预测未来一天内每小时的电力变压器油温。

Illness数据集

• 内容：Illness数据集可能与疾病的发生、传播或相关医疗指标的时间序列有关。比如可能包含某地区在一段时间内每日的流感确诊病例数、医院的发热门诊就诊人数、相