Google Research ha lanzado TimesFM-3, un modelo base de series temporales con 330 millones de parámetros que pronostica múltiples series relacionadas en una sola pasada hacia adelante. A diferencia de las versiones univariantes anteriores, está preentrenado nativamente para pronósticos multivariantes en más de 1 billón de puntos temporales y acepta múltiples objetivos, covariables pasadas y covariables pasadas-futuras sin ajuste fino específico de la tarea.
- Utiliza atención temporal causal alternante y atención completa de variates para modelar dependencias entre series con cero disparos.
- El Enmascaramiento Continuo de Parches permite al modelo producir todo el horizonte en una sola pasada hacia adelante con 9 cuantiles por paso.
- Ocupa el puesto #1 entre los modelos base en las tablas de clasificación GIFT-Eval, fev-bench y TIME tanto para métricas puntuales como probabilísticas.
- Los pesos están licenciados bajo una restricción de no comercialización y no producción; TimesFM 2.5 sigue siendo la opción con licencia Apache-2.0 para su distribución.
El modelo permite el pronóstico conjunto de múltiples objetivos y covariables sin ajuste fino, ofreciendo una precisión mejorada en benchmarks estándar en comparación con modelos base anteriores.