PulseAugur
中
实时 04:08:47
实体 TimesFM-3

TimesFM-3

PulseAugur coverage of TimesFM-3 — every cluster mentioning TimesFM-3 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
6
90 天内 6
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
时间线
  1. 2026-09-12 product_launch Google Research released TimesFM-3, a new forecasting model. 来源
  2. 2026-09-02 product_launch Google released its new foundational model, TimesFM-3, for time-series forecasting. 来源
  3. 2026-09-02 product_launch Google released TimesFM-3, a new time series foundation model. 来源
  4. 2026-09-01 product_launch Google Research released TimesFM-3, a new AI model for multivariate time-series forecasting. 来源
  5. 2026-08-31 product_launch Google AI released TimesFM-3, a new foundation model for multivariate time series forecasting. 来源
  6. 2026-08-31 product_launch Google AI announced the release of TimesFM-3, a new foundation model for multivariate time series forecasting. 来源
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 6 条
  1. SIGNIFICANT · CL_307597 ·

    Mistral AI 发布 Timestral，在基准测试中超越 Google 的 TimesFM-3

    Mistral AI 推出了 Timestral，这是一个新的时间序列基础模型家族，包含四种模型，参数量从 500 万到 2.09 亿不等。与 Google 的 TimesFM-3 相比，最大的 Timestral 模型在 GIFT-Eval、TIME 和 fev-bench 等基准测试中表现更优，在零样本预测模型中排名第一。值得注意的是，Timestral 模型设计为可在标准服务器 CPU 上高效运行，无需 GPU，并且其开放权重和…
  2. SIGNIFICANT · CL_249649 ·

    Google 发布 TimesFM-3，利用多样化数据进行未来预测

    Google Research 推出了新的预测模型 TimesFM-3，该模型旨在通过分析时间序列数据并结合天气模式和计划折扣时间表等外部因素来预测未来趋势。该模型拥有 3.3 亿个参数，通过一次性同时预测所有未来时间点来运行，这种方法显著减少了计算时间并最大限度地减少了错误累积。
  3. RESEARCH · CL_232764 ·

    Google发布TimesFM-3用于多元时间序列预测

    Google发布了新的时间序列基础模型TimesFM-3。与仅限于单一序列的前代模型不同，这一第三代模型原生支持多元输入和协变量。TimesFM-3通过一次前向传播即可生成预测，并在多个基准测试中取得了顶尖性能。
  4. TOOL · CL_231858 ·

    Google TimesFM-3预测模型已封装以实现工具集成

    一位开发者为Google的TimesFM-3模型创建了一个MCP服务器，使Claude Desktop、Claude Code和Cursor等工具能够利用其预测能力。该服务器公开了模型的median预测和九个官方分位数，但限制性许可禁止其在生产环境或付费API中使用。Google为TimesFM-3设想的商业路径是通过BigQuery和AlloyDB AI。
  5. SIGNIFICANT · CL_229951 ·

    Google发布TimesFM-3用于多元时间序列预测

    Google Research发布了TimesFM-3，这是一款能够进行多元预测的AI模型。该模型可以同时分析销售数据、天气模式和客流量等多个时间序列数据点，无需额外训练即可预测未来值。TimesFM-3已在超过一万亿个数据点上进行了预训练，并通过单步处理未来值来提高预测速度。
  6. RESEARCH · CL_228064 ·

    Google AI 发布 TimesFM-3 用于多元时间序列预测

    Google AI 推出了 TimesFM-3，这是一个拥有 3.3 亿参数的基础模型，专为多元时间序列预测而设计。与仅限于单变量预测的前代模型不同，TimesFM-3 能够联合预测多个相关时间序列，并在无需任务特定微调的情况下纳入过去和未来的外部因素。该模型通过采用一种新颖的架构，结合了交替因果时间注意力和全变量注意力机制，在 GIFT-Eval 和 TIME 排行榜等多个基准测试中取得了最先进的性能。虽然代码可在 Apache-2…