Google Research 发布 TimesFM 2.5，用于零样本时间序列预测

Google Research 发布了 TimesFM 2.5，这是一个开源的时间序列预测基础模型。该模型拥有 2 亿个参数和高达 16,384 个点的上下文窗口，无需特定任务的训练数据即可预测未来趋势，以零样本（zero-shot）方式运行。与 Auto ARIMA 等传统方法相比，它在基准测试中显示出更高的准确性，平均绝对误差（Mean Absolute Error）降低了 15-25%，尽管其在某些稳定时间序列上的表现可能与经典方法相当。虽然模型权重可在 Hugging Face 上获取，但 Google 的部分相关云服务在俄罗斯无法访问。 AI

影响 这个开源模型可以降低企业采用先进时间序列预测的门槛，从而可能改善库存管理和资源规划。

排序理由 前沿实验室模型发布，附带系统卡。[lever_c_demoted from frontier_release: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

• arXiv
• Auto ARIMA
• BigQuery
• GPT
• GIFT-Eval
• Google
• Google Research
• Google Trends
• Grid Dynamics
• Hugging Face
• ICML 2024
• Rajat Sen
• TimesFM 2.5
• Wikipedia
• Yichen Zhou

• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →