谷歌发布TimesFM-3：用于多变量时间序列预测的零样本基础模型

近日，谷歌研究团队发布了TimesFM-3，这是一个具有3.3亿参数的时间序列基础模型，能够一次性进行多变量时间序列的零样本预测。与之前的版本不同，TimesFM-3在超过1万亿个时间点上进行了预训练，并且可以接受多个目标、历史协变量和已知未来值的协变量输入，无需特定任务的微调。该模型在GIFT-Eval、fev-bench以及TIME排行榜上的点预测和概率指标中均取得了最佳平均排名。TimesFM-3能够处理多种类型的输入数据，包括多目标联合预测、历史协变量和已知未来值的协变量。其架构采用了补丁和两种注意力机制相结合的方式。尽管该模型在非商业用途下可以部署使用，但目前还不允许用于生产环境中的预报API。