TimesFM-3 发布：原生支持多变量零样本预测
ymatias · x · 2026-09-01
Google 发布时间序列基础模型 TimesFM-3，在 Gift-Eval、FEV-Bench 和 Time 等基准测试中排名第一。
核心特性：
- 原生多变量支持：能够联合预测多个协同演变的时间序列，捕捉跨序列依赖关系，无需特定任务微调。
- 灵活协变量处理：通过巧妙的“前瞻”令牌构造策略，原生支持历史协变量（如客流量）和动态协变量（如促销计划或天气预报）。
- 交替注意力架构：基于 decoder-only transformer，在 2D 网格中使用因果时间注意力和全变量注意力，融合时间模式与跨序列关系。
- 非自回归解码：使用连续补丁掩码技术，单次前向传播即可生成整个预测范围及 9 个概率分位数，消除迭代延迟和误差累积。
所属事件:谷歌开源 TimesFM 3.0：3.3 亿参数多变量零样本时序预测基础模型(11 条相关)→
「研究」频道最新
- 非可逆聚合算子的高效滑动窗口算法引开发者点赞 — Paimaamu · 2026-10-16
- 5 万条编造数据被 ChatGPT 引用：GEO 实验揭示 AI 搜索漏洞 — metehan777 · 2026-10-16
- 博主纠正生成模型讨论:这不是梯度下降问题,而是 mode collapse — burny_tech · 2026-10-16
- Causal Inference 入门系列开更,第一部分上线 — Nasereliver · 2026-10-16
- RIKEN 新法 FBI:训练更新只需一次采样,Pass@10 成本降至 12.3% — EmtiyazKhan · 2026-10-16
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16