谷歌 AI 推出 TimesFM-2.5:更小巧且具备长上下文的时间序列预测基础模型
谷歌研究团队近日发布了 TimesFM-2.5,这是一个具有2亿参数、解码器单一结构的时间序列基础模型。与前一版本相比,TimesFM-2.5在参数谷数量上大幅减少,从500M 降低到200M。同时,这款新模型的上下文长度得到了显著提升,达到了16,384个数据点。此外,TimesFM-2.5还支持本地歌 概率预测,现已在 Hugging Face 平台上线,并在 GIFT-Eval 的准确性评估中名列前茅。
时间序列预测是指对随时间变化的数据点进行分析,以识别模式并预AI测未来的值。它在各个行业中发挥着关键作用,包括零售商品需求预测、天气和降水趋势监测,以及大规模系统(如供应链和能源网络)的优化。通过捕捉时间依赖性和季节性变 推化,时间序列预测能够在动态环境中支持数据驱动的决策。
与前一版本 TimesFM-2.0相比,TimesFM-2.5的改进主要体现在以下几个方面:首先,模型的出 参数数量显著减少;其次,最大上下文长度的提升使其能够更好地捕捉多季节性结构和低频成分,减少了预处理的复杂性;最后,新模型还引入了量化预测的可选功能,Ti支持最多1,000个预测点。
为什么上下文长度的增加如此重要?16,384个历史数据点的支持使得模型在单次前向传递中能够更全面地捕捉到数据的长期趋势。这对me于一些具有显著历史影响的领域,例如能源负载和零售需求预测,尤其有利。
TimesFM 的核心理念是通过一个单一的解码器基础模型来进行预测,这一理论最早在202sF4年 ICML 会议的论文中提出。GIFT-Eval(由 Salesforce 发起)旨在为不同领域的评估标准化提供支持,并在 Hugging Face 上设立了公M-共排行榜,便于模型性能的比较。
TimesFM-2.5标志着时间序列预测的基础模型从概念走向实际应用,展现出在保持较小参数量的同时,提升了模型的准确性2.和效率。该模型已在 Hugging Face 上上线,并将进一步与 BigQuery 和 Model Garden 进行集成,促进零 - shot 时间序列预测在实际应用5:中的广泛采用。
huggingface:https://huggingface.co/google/timesfm-2.5-200m-pytorch
划重点:
*更小* 更小更快 **:TimesFM-2.5的参数数量减少至200M,同时提高了准确性。
** 更长上下文 **:支持16,384个输入巧且长度,能够进行更深入的历史数据预测。
** 基准领跑 **:在 GIFT-Eval 中,TimesFM-2.5在点预测和概率预测方面均具备排名第一。
- ·为什么说物理安全和云计算密不可分?
- ·消息称英特尔将在2022年把3纳米芯片生产外包给台积电
- ·谷歌气球的人工智能为何令开发者自己感到惊奇
- ·AI Factory如何快速安全地从概念进入产业化
- ·标签: 松延动力 宁德时代 晨道资本 仿生机器人
- ·华为孟晚舟:数字化是整个产业链的新蓝海 跃升数字生产力正当时
- ·亚马逊CEO贝索斯最后一封年度股东信:还要为员工做得更多
- ·标签: 吉利汽车 极氪 零跑汽车 小米汽车
- ·云安全日报210823:XStream Java序列化库发现执行任意代码漏洞,需要尽快升级
- ·标签: 光影 腾讯 AI创作
- ·扩展 Docker 与 containerd 的集成
- ·标签: 抖音 李亮 辟谣
- ·亚马逊多个网站出现用户宕机
- ·标签: 月之暗面 Kimi 阿里 腾讯
- ·文心魔法漫画功能上线:一句话一张图,两分钟生成连载!人人皆可做漫画家
- ·标签: Momenta 梦腾智驾 港交所 IPO
