أطلقت جوجل ريسيرش TimesFM-3، الجيل الثالث من نموذجها الأساسي للسلاسل الزمنية الذي يعمل بدون تدريب مسبق (zero-shot). التحديث الرئيسي مقارنة بالإصدار 2.5 هو الدعم الأصلي للإدخالات متعددة المتغيرات، مما يسمح للنموذج بالتعامل مع أهداف وعوامل مرافقة متعددة في وقت واحد دون الحاجة إلى ضبط دقيق.
- يعتمد النموذج على بنية محوّل (transformer) يعتمد فقط على المُشفّر الخلفي (decoder-only) ويتكون من 20 طبقة، ويعالج 32 خطوة زمنية متجاورة لكل رمز باستخدام آليات انتباه سببية وكاملة بالتناوب.
- يتم توليد التنبؤات في تمرير أمامي واحد عن طريق ملء رموز العتلات المقنعة (masked placeholder tokens) في وقت واحد، لإخراج 9 كميات (من المئين 10 إلى المئين 90) لكل هدف.
- استُخدم أكثر من تريليون نقطة زمنية في التدريب المسبق، مستمدة من مصادر تشمل مشاهدات صفحات ويكيبيديا، واتجاهات جوجل، والبيانات الاصطناعية.
- يدعي النموذج تحقيق أفضل متوسط ترتيب على معايير Gift-Eval وFEV-Bench ومعايير Time مقارنة بـ Chronos-2 وToto 2.0 وTimesFM-2.5.
الأوزان متاحة بموجب رخصة TimesFM غير التجارية الإصدار 1.0 على Hugging Face وGitHub، مع تخطيط لدمج BigQuery في المستقبل.