前言

想从过去一年的传感器记录中找出“快速升温后保持稳定”的时间段，通常得先取数据，再写分析程序。Sonar-TS 尝试让用户直接用一句话提问：大模型生成 SQL 找出候选片段，再用 Python 检查原始数据。发表于 ICML 2026 的这项研究，关注的是如何从长时间积累的时序记录中查出用户需要的答案。

“找出过去一年里，温度快速上升、随后保持稳定的日期。”

这类问题在设备监控场景很常见。数据库里有温度记录，但没有现成的“快速升温后保持稳定”的标签。分析人员需要先取出数据，写程序识别走势，再检查哪些片段符合要求。如果还要求“找出持续时间最长的一段”，就得继续比较各段平台期的持续时间。

此前介绍的 MetaCaster 将智能体用于生成数据和训练预测模型。今天这篇论文关注另一项任务：让用户用自然语言查询时序记录。

这个研究来自江西财经大学、格里菲斯大学、云南大学、微软亚洲研究院、香港科技大学（广州）等机构，发表于 ICML 2026。查数值容易，查走势困难

查“五月份的最高温度”比较简单：限定时间范围，再找最大值即可。Text-to-SQL 方法可以把这类问题翻译成 SQL，交给数据库执行。

“先快速上升，再缓慢回落”就复杂得多。它包含变化顺序、变化速度和持续时间，普通的数值筛选条件很难完整表达。即使规定斜率大于某个阈值，也要考虑不同传感器的量纲和正常波动范围。

另一种办法是把序列交给时序问答模型，让它识别形状。但用户问的是过去几个月甚至一年的记录，相关片段往往还没有截取出来。此外，长记录可能超过模型的输入长度，逐个窗口调用模型也会增加成本。

Sonar-TS 将任务定义为时序数据库自然语言查询（Natural Language Querying for Time Series Databases，NLQ4TSDB）。输入包括用户的问题和数据库结构说明，输出可以是数值、时间戳、时间区间，也可以是一份分析报告。

Sonar-TS 的做法是：先检索可能符合要求的片段，再用程序逐个核验。

图1：Sonar-TS 预先建立特征表，查询时生成 SQL 和 Python，分别完成候选筛选与原始数据核验。图片来自论文。先为长记录建立索引

为减少查询时需要读取的数据，Sonar-TS 提前按年、月、日等尺度划分时间窗口，将每个窗口的特征保存到表中。

表中除了通道编号、起止时间，还包含最小值、最大值、均值、标准差和斜率等统计量。例如，寻找波动较小的片段，可以先根据标准差筛选；寻找上升趋势，可以先检查斜率。

仅看均值、标准差等统计量，很难判断读数是先升后降，还是先降后升。作者还用符号聚合近似（Symbolic Aggregate approXimation，SAX）记录窗口内的大致形状。将曲线转换成字母序列

论文实现先将一个窗口分成若干段，计算各段均值，即分段聚合近似（Piecewise Aggregate Approximation，PAA）。若第 

段包含的采样位置集合为 

，其均值可以写成：

其中，

是原始读数，

是这一段的采样点数。随后，系统对这组分段均值做标准化，再根据数值所在区间，将它们映射为 a 到 e 五个字母，分别对应由低到高的相对水平。

例如，abcdeedcba 可以表示一段先升后降的变化。这样，系统就能先检索字母序列，筛选具有相应走势的窗口。

图2：同一类时序记录可以按日、月、年建立不同粒度的 SAX 表示。字母记录分段后的相对高低，原始数值仍保存在数据库中。图片来自论文。

查询“先升后降”时，SQL 可以用正则表达式匹配从 a 一类的低水平编码逐渐升到 e、再降下来的序列。系统也会根据问题涉及的时间范围，选择年、月或日尺度的特征表。

SAX 在这里用于近似筛选。分段平均会丢失局部细节，字母也没有保留精确幅值，所以筛出的片段还需要检查。再用程序核对每个条件

Sonar-TS 的在线查询分为规划、代码生成和执行三个环节。论文主实验使用 DeepSeek-V3 完成任务规划和代码生成，不微调大语言模型。

模型先根据问题、数据库结构和预先整理的分析经验，决定查哪些表、按什么顺序计算。随后生成 SQL 检索候选窗口，再生成 Python 读取这些窗口的原始数据，调用时序分析算法。

以“快速上升后保持稳定”为例，完整判断至少需要检查两件事：前一段是否上升得足够快，后一段是否确实形成了稳定平台。

“快速”也不能只靠一个固定阈值。论文给出的做法是计算候选片段的趋势斜率，再与历史斜率分布比较，判断它是否处于较高分位。平台部分则需要结合分段结果和波动情况检查。

作者提供了经典算法算子库：自相关函数（ACF）用于周期检测，动态时间规整（DTW）用于子序列匹配，PELT 算法用于变化点检测，Theil–Sen 估计用于趋势斜率计算，Pearson 相关系数用于变量关系分析。

大语言模型根据问题选择算法、安排计算顺序，具体数值由程序读取原始数据后再计算。

如果 SQL 返回空结果，或 Python 执行报错，系统会将反馈交给代码生成模块，允许最多三次重试。执行成功后，再将数值和区间整理成答案；报告任务还会调用大语言模型组织文字，并可生成图表供用户检查。

为了帮助大模型正确使用这些工具，作者先用独立的 110 条问题运行查询，根据执行过程和得分整理分析经验。例如，如何用 SAX 检索形状，怎样处理不规则采样，以及何时使用变化点检测。

经验内容包括算子的使用方法、形状匹配策略，以及常见错误的处理办法。系统通过添加、合并和删除控制经验数量，最多保留 20 条，在查询时写入提示词。

正式查询时，分析经验保持固定，大模型参数也不更新。 用1153个问题检验查询效果

作者构建的 NLQTSBench 包含 1153 条查询，平均每个问题涉及约 1.2 万个采样点，覆盖四个层次、九类任务：

• 基础操作：计算统计量、查找时间点、搜索滑动窗口。

• 模式识别：寻找平台或尖峰、检测周期、匹配相似子序列。

• 语义推理：识别先升后降等复合趋势、结合局部背景判断异常、检查多个通道的关系变化。

• 报告生成：对趋势分段，标记异常，并组织成结构化说明。

基准使用 CausalRivers、ETTm1 和 SMD 中的河流、变压器及服务器监控数据。作者在这些真实序列中注入已知的数学模式，再人工检查生成的片段是否符合问题描述。这样可以保留真实数据的噪声，同时确定标准答案。

不同形式的答案采用不同指标。返回时间区间时，使用交并比（IoU）：返回区间与真实区间重叠的时长，除以二者并集的时长。

和 

分别是返回区间和真实区间。定位越准确，IoU 越高。数值答案、时间点和日期集合分别采用相应的相对准确性得分、命中率和 F1。

报告生成任务也按分析结果评分。作者规定输出结构和描述词汇，从报告中提取趋势类别、时间区间、快慢描述与异常位置，分别核对后综合打分。

论文还设置了“因果异常”任务：在预设关联的通道中，定位关系发生变化的片段，例如一个通道上升，另一个却不再响应。这里的通道关系事先给定，任务是检测关系异常，不涉及从数据中发现因果关系。程序核验带来了多少改善

在完整基准上，作者主要比较了 MAC-SQL、Xiyan-SQL 和 Omni-SQL 等 Text-to-SQL 方法。Sonar-TS 在论文表4中的平均得分为 0.6144，由各项任务的不同指标汇总而来。

分项结果：周期检测得分达到 0.8625，子序列匹配 IoU 达到 0.9439，MAC-SQL 在这两项上分别为 0.3928 和 0.0598。Sonar-TS 的形状识别 IoU 为 0.3336，复合趋势 F1 为 0.2988。

Sonar-TS 在周期检测和子序列匹配上表现较好。对于形状识别和复合趋势，系统还需要把文字描述准确转成检索条件，这两项的得分明显较低。

图3：主实验分成长记录查询和短窗口问答两组。不同列采用不同评分指标，数值均越高越好；两组不能直接比较。图片来自论文表4。

为了比较输入长度有限的时序模型，作者另设 NLQTSBench-Lite：500 条问题，每条输入固定为 512 个采样点，覆盖形状识别、复合趋势和关系异常三类任务。例如，在形状识别上，Sonar-TS 的 IoU 为 0.2491，ChatTS-14B 为 0.1768。

消融实验说明了核验的作用。去掉 Python 核验后，周期检测得分从0.8625 降到 0.0154，子序列匹配 IoU 从 0.9439 降到 0.0396。这些任务需要实际计算，单靠符号筛选难以得到准确答案。

去掉分析经验提示后，报告生成得分从 0.7395 降到 0.3415。提前提供任务规划和算子使用经验，有助于模型生成包含正确分析结果的报告。找到平台期，还要选出最长的一段

在论文的“寻找最长平台期”案例中，ChatTS 找到了平台期，却没有选出最长的一段；仅生成 SQL 的方法则使用固定数值条件筛选，没能准确识别目标平台期。

Sonar-TS 先搜索可能的平台期，再用 Python 检查原始数据、比较持续时间，最终选出符合要求的片段。“最长”这个条件，需要对找到的平台继续计算和比较。

图4：查询要求寻找最长的平台。案例对比了仅生成 SQL、直接使用时序模型，以及 Sonar-TS 检索后核验的结果。图片来自论文。

检索遗漏仍是一个主要问题。附录报告，形状识别和复合趋势的候选检索召回率分别为 0.5482 和 0.4713。后续核验只能检查检索到的片段，遗漏的目标不会进入分析程序。因此，要提高查询效果，还需要改进符号表示和候选检索。结语

查询时序记录，难在把“快速”“稳定”“最长”这样的要求转成具体计算。Sonar-TS 让大模型负责完成这些计算，再用原始数据核验结果，使自然语言提问能够用于时序记录查询。论文信息

• 论文题目：Sonar-TS: Search-Then-Verify Natural Language Querying for Time Series Databases

• 作者：Zhao Tan、Yiji Zhao、Shiyu Wang、Chang Xu、Yuxuan Liang、Xiping Liu、Shirui Pan、Ming Jin

• 机构：江西财经大学、格里菲斯大学、云南大学、微软亚洲研究院、香港科技大学（广州）等

• 会议：ICML 2026

• 正式页面：https://proceedings.mlr.press/v306/tan26h.html

• 论文 PDF：https://arxiv.org/pdf/2602.17001v3

• 代码：https://github.com/Atlamtiz/Sonar-TS

OCR:IMG:2000 RawData SAXa DAILYAVieW SAXC SAXd SAXe 1500 a Raw Value SAX Level 1000 500 D 03:00 06:00 09:00 12:00 15:00 18:00 21:00 00:00 Aug 16,2019 Aug 17,2019 MONTHLYVieW 1500 a Raw Value 1000 SAX Level 500 口 Feb4 Feb 7 Feb10 Feb 13 Feb 16 Feb 19 Feb22 Feb 25 Feb28 2021 YEARLYVieW 2000 1500 a Raw Value SAXLevel 1000 500 网终科学与人工智 Jan 2020 Mar 2020 May2020 Jul2020 Sep2020 Nov2020 Jan2021

OCR:IMG:ICML2026 Sonar-TS wn wmm 一句话 SQL筛选 Python核验 → 平台期 查时序数据

OCR:IMG:Table 4.Main experimental results on NLQTSBench.Abbreviations: AR(Atomic Retrieval) QTSBench.Abbreviations: AR (Atomic Retrieval), SW (Sliding Window), SI (Shape Ident.) PD (Periodicity Det.),SM(Subseq.Matching),CT(Composite Trend),CxA (Contextual Anomaly Synthesis).Best results are bolded,and the best baseline results are underlinec L1:Basic Ops L2:PatternRec. L3:SemanticReasoning L4 Category Method Avg. AR sW SI PD SM CT CxA CsA IS PerformanceonNLQTSBench-Lite(ShortContext) ChatTS-14B 0.1768 0.2431 - 0.1229 0.1818 Time Series ITFormer-7B 0.0736 0.1500 0.1953 0.1529 Models Time-R1 0.0320 - - 0.1395 ， 0.1878 - 0.1374 Ours Sonar-TS ， 0.2491 1 0.2680 1 0.3615 1 0.3016 PerformanceonNLQTSBench(LongHistory) MAC-SQL 0.4735 0.0457 0.0419 0.3928 0.0598 0.0020 0.0346 0.0152 0.1611 Text-to-SQL Xiyan-SQL-32B 0.1082 0 0.0588 0.2263 0.0068 0.0021 0.0168 0.0020 - 0.0582 Methods Omni-SQL-32B 0.4245 0.0086 0.0185 0 0 八 0.0038 0.0154 科 业 0.0921 00124 Ours Sonar-TS 0.8609 0.7827 0.3336 0.8625 0.9439 0.2988 0.4767 0.3841 0.7395 0.6144

OCR:IMG:Query: dentifytheindexrangeofth longest plateau （stableperiod) inchannel94.（Outputformat: [start_index,end_index]). 100 200 Sonar-TS SQL SELECTwindow_start,window_end Text-to-SQL FROMfeature_table (xiyan-SQL) Search WHEREregexp_like(sax, “[a-b]+[c]*[d-e]{2,}[c]*[a-b]+) Time Series Model (ChatTS) SELECTMIN(timestamp)ASstart, MAx(timestamp)ASend FROM(SELECTtimestamp FROMI2_t1dataWHERE94= (SELECT94FROM12 t1data WHEREtimestamp BETWEEN'0'AND'512 GROUPBY94 Answer[380,500] Answer × ORDERBYCOUNT(94) DESCLIMIT1) × ANDtimestamp Verify defverify_longest(data)i 钢络科学与人工智能 BETWEEN'0'AND'512')

OCR:IMG:Query: dentifytheindexrangeofth longest plateau （stableperiod) inchannel94.（Outputformat: [start_index,end_index]). 100 200 Sonar-TS SQL SELECTwindow_start,window_end Text-to-SQL FROMfeature_table (xiyan-SQL) Search WHEREregexp_like(sax, “[a-b]+[c]*[d-e]{2,}[c]*[a-b]+) Time Series Model (ChatTS) SELECTMIN(timestamp)ASstart, MAx(timestamp)ASend FROM(SELECTtimestamp FROMI2_t1dataWHERE94= (SELECT94FROM12t1 data WHEREtimestamp BETWEEN'0'AND'512' GROUPBY94 Answer[380,500] Answer × ORDERBYCOUNT(94) DESCLIMIT1) × ANDtimestamp BETWEEN'0'AND'512') Verify defverify_longest(data)

OCR:IMG:2000 RawData SAXa DAILYAVieW SAXC SAX d SAXe 1500 a SAX Level 1000 n 500 品 03:00 06:00 09:00 12:00 15:00 18:00 21:00 00:00 Aug 16,2019 Aug17,2019 MONTHLYVieW 1500 Raw Value 1000 SAX Level 500 D Feb4 Feb 7 Feb10 Feb 13 Feb16 Feb 19 Feb22 Feb 25 Feb28 2021 YEARLYVieW 2000 1500 Q Raw Value SAXLevel 1000 500 Jan2020 Mar 2020 May2020 Jul2020 Sep 2020 Nov2020 Jan 2021

OCR:IMG:Table4.Main experimental results onNLQTSBench.Abbreviations:AR(AtomicRetrieval) QTSBench.Abbreviations:AR(AtomicRetrieval),SW(SlidingWindow),SI(ShapeIdent.) PD(PeriodicityDet.),SM(Subseq.Matching),CT(CompositeTrend),CxA（ContextualAnomaly Synthesis).Bestresults are bolded,and thebest baselineresults areunderlinec L1:Basic Ops L2:PatternRec. L3:SemanticReasoning L4 Category Method Avg. AR sW SI PD SM CT CxA CsA IS PerformanceonNLQTSBench-Lite(ShortContext) ChatTS-14B 0.1768 0.2431 0.1229 0.1818 Time Series Models ITFormer-7B 0.0736 0.1500 0.1953 0.1529 Time-R1 0.0320 - - 0.1395 - 0.1878 - 0.1374 Ours Sonar-TS ， 0.2491 ， 0.2680 ， 0.3615 ， 0.3016 PerformanceonNLQTSBench(LongHistory) History) MAC-SQL 0.4735 0.0457 0.0419 0.3928 0.0598 0.0020 0.0346 0.0152 0.1611 Text-to-SQL Xiyan-SQL-32B 0.1082 0 0.0588 0.2263 0.0068 0.0021 0.0168 0.0020 0.0582 Methods Omni-SQL-32B 0.4245 0.0086 0.0185 0 0 0.0038 0.0154 0 0.0921 Ours Sonar-TS 0.8609 0.7827 0.3336 0.8625 0.9439 0.2988 0.4767 0.3841 0.7395 0.6144

OCR:IMG:OfflineDataProcessing Answer NativeTimeSeriesData Feature Tables Tags Statistical Pattern ...,'2019-04-28'， Channel start end slope ... SAX Yearly chanmel_1 2019-01 2028-01 -0.36 .. acead... TimeSeries channel_2 .. ... .. ... ... Monthly Database Daily .. ... .. ... . .. ... ... .... ... . ... A. 0 12 A OnlineQuerying Post-processing DatabaseSchema Task Code 园 #Table:data [channel_1,... Planning Generation Execute #Table:feature_daily[...] Visualization #Table:feature_monthly[...] Sub-Steps Search Verify Results Question #Step1 SQL Python . Time Window Query #Step2 Timestamp Tasks $ AnswerSummary Find dates in channel 1 during 2019 daily trend:first rapid Operators Scalar Question fall,then volatile rise,then Comprehensive steady,then gradual fall. Trajectory Reporting PromptColdStart Experiences Question 1. For simple shape detection, use SAX Regex, and... 福 Experiences 球 Experiences 品 Reward Update Summarize Model Sub-Steps Results ...

OCR:IMG:OfflineDataProcessing Answer NativeTimeSeriesData FeatureTables Tags Statistical Pattern ..,'2019-04-28'， Channel start end slope ... SAX Yearly channe1_1 2019-01 2028-1 -0.36 ... acead... channe1_2 ·.. ·…. ·.. ... ... TimeSeries Monthly Daily ·… ... .. . ·· ·· Database ... ·.. ·. .. ·· .. Aor22.3 12:09 Ap8.2019 12:00 Ar2.219 OnlineQuerying Post-processing DatabaseSchema Task Code 园 Execute #Table:data [channel_1,...] Planning Generation 爪 #Table:feature_daily[...] Visualization #Table:feature_monthly[...] Sub-Steps Search Verify Results Question #Step1 SQL Python . TimeWindow Query #Step2 Timestamp Tasks 彩 AnswerSummary Find dates in channel1during 2019 daily trend:firstrapid ·…. Operators Scalar Question fall,then volatile rise,then Comprehensive steady,then gradual fall. Trajectory Reporting PromptColdStart Experiences Question 1. For simple shape detection, 网络科 午口公 use SAx Regex, and... Experiences 水 Experiences 南 Reward 求 水 Sub-Steps Results ... Update Summarize Model