谷歌发布 TimesFM-3，3.3 亿参数即可进行零样本多变量时间序列预测

IT之家

9 月 1 日消息，谷歌今天发布 TimesFM-3 模型，这是该公司时间序列基础模型系列的第三代产品。拥有原生多变量预测、双注意力机制、连续补丁掩码等特性，可进行零样本多变量时间序列预测。

IT之家从谷歌官方了解到，

TimesFM-3 拥有 3.3 亿个参数

，并在包含超 1 万亿个时间点的真实世界和合成时间序列语料库进行预训练。

TimesFM-3 继承前代的高效性和零样本泛化能力

，以零样本形式增强复杂多元场景支持。

同时，该模型可联合预测多个共同演化的时间序列，捕捉其中的依赖关系，提升整体准确率，无需针对特定任务微调，该模型原生支持特性如下：

• 
  

  
  多目标预测：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预测和分位数预测。
  

  
  


• 
  

  
  过去协变量：纳入仅从历史角度已知的特征（例如过去人流量）。
  

  
  


• 
  

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

  
  

参考：

• 
  

  
  
  TimesFM-3: A zero-shot foundation model for multivariate forecasting
  
  

  
  

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家包含外链的文章均包含本声明。