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还支歌 持本地概率预测,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AI识别模式并预测未来的值。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 推依赖性和季节性变化,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出 方面:首先,模型的参数数量显著减少;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Ti测的可选功能,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me数据的长期趋势。这对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sF一理论最早在2024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 HugginM-g Face 上设立了公共排行榜,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2.时,提升了模型的准确性和效率。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 - sho5:t 时间序列预测在实际应用中的广泛采用。
huggingface:https://huggingface.co/google/timesfm-2.5-20更小0m-pytorch
划重点:
** 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 **:巧且支持16,384个输入长度,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在点具备预测和概率预测方面均排名第一。
相关文章:
- 大模型购票时代开启:东航首家接入通义千问实现全流程AI服务
- 云计算核心技术Docker教程:Docker Swarm 模式控制服务在不同节点上的规模和位置
- 什么是 Azure Synapse,它与 Azure Data Bricks 有何不同?
- 标签: 赵长江 比亚迪 奇瑞 智界
- 一键魔改视频!Google Veo 3.1即将推出视频精确编辑功能,逼真到分不清真假
- 标签: 快狗打车 滴滴送货 货拉拉 满帮集团
- 华为浏览器AI播客功能上线 联手《旅行家》打造精品专栏
- 谷歌推出全新的Gemini 2.5 Flash图像编辑模型 精准编辑轻松搞定修图
- 只用CPU开发自动驾驶轮船,他们居然做到了
- 车展头条: 700 万辆车的“大脑”换代,Agentic AI开启座舱新元年
