谷歌发布 TimesFM-3：330M 参数时序预测模型一次生成未来全部时间点
The Decoder · rss · 2026-09-12
Google Research 发布时序预测模型 TimesFM-3,共 3.3 亿参数,可同时分析时间序列数据与相关外部信息,以及已知的未来事件,例如促销计划或天气预报。
与逐步滚动预测不同,该模型在单次推理中一次性填出所有未来时间点,从而降低计算耗时,并减少误差随步数累积放大的问题。适用于销售等业务场景的预测任务。
「研究」频道最新
- sqlite-sparse:在 SQLite 里跑稀疏检索,查询期零模型调用 — Much-Ingenuity5415 · 2026-09-12
- Lost in the Middle:长上下文中间信息最易被模型忽略 — thisdudelikesAI · 2026-09-12
- 从 Chinchilla 到 GPT-3:一条线程讲透改变行业的 AI 论文 — thisdudelikesAI · 2026-09-12
- Kaplan 2020 Scaling Laws:损失随算力数据参数呈幂律 — thisdudelikesAI · 2026-09-12
- LiFlow 雷达点云补全方法入选 ECCV 2026 — ducha_aiki · 2026-09-12
- RT-DETRv4 借视觉基础模型蒸馏，实时检测零开销提分 — ducha_aiki · 2026-09-12