TimesFM-3：多元预测的零样本基础模型 | Google

星***

TimesFM-3: A zero-shot foundation model for multivariate forecasting (https://research.google/blog/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting/?utm_source) = twitter & utm_medium = social & utm_campaign = social_post & utm_content=gr-acct

今天我们介绍一下 TimesFM-3，这是我们时间序列基础模型的下一代，该模型原生预训练用于多变量预测。TimesFM-3 拥有 3.3 亿个参数，并预训练于一个包含超过 1 万亿个时间点的真实世界和合成时间序列语料库。在前辈的高效和零样本泛化基础上，TimesFM-3 以零样本方式为复杂的多变量场景提供了强有力的支持。它可以联合预测多个共演化的时间序列，捕捉依赖关系，提升整体准确性，而无需针对特定任务进行微调。该模型原生支持：

多重目标：同时预测多个相关时间序列（例如，联合预测不同品牌的冰淇淋）。该模型支持所有目标的点和分位数预测。

过去协变量：纳入仅历史上已知的特征（例如，过去的步行历史）。

过去 - 未来（动态）协变量：利用已知的未来事件来指导预报（例如计划中的促销活动或天气预报）。

徐***

瞄准月球，即使你没有命中，你也会落在星星之间。

刘***

能把复杂问题讲简单，本身就是能力。