多变量相关 AI 资讯 · AITOP · AI热报

9月1日

15:48

15:48IT之家（博客/媒体）

精选73°

谷歌推出TimesFM-3模型，拥有3.3亿参数，在超1万亿时间点数据上预训练。该模型支持零样本多变量时间序列预测，采用双注意力机制和连续补丁掩码技术。TimesFM-3可联合预测多个相关时间序列，捕捉依赖关系，提升准确率。原生支持多目标预测、过去协变量和动态协变量三种特性。

AI模型 TimesFM-3 谷歌时间序列预测

推荐理由：谷歌发布3.3亿参数的TimesFM-3，能零样本预测多变量时间序列，无需微调即可捕捉复杂依赖关系。

7月8日

12:13

12:13

官方账号arXiv cs.AI@Qian Sun, Yong-Ming Tian, Jia-Wei Huang, Cheng Feng, Shao-Qun Zhang

RMISC语料库包含约200个数据集、1420亿个时间点，覆盖多领域真实世界多变量时间序列。研究者用RMISC预训练四种先进时间序列基础模型（TSFMs），并与合成数据预训练模型对比。实验表明，真实世界多变量数据显著提升TSFMs的零样本泛化能力，在分布内和分布外基准上均表现更优。

论文 RMISC TSFMs 时间序列基础模型

推荐理由：如果你的时间序列模型总是泛化不好，试试用RMISC这个真实世界大数据集预训练，1420亿个时间点，效果比合成数据强很多。