A Google Research lançou o TimesFM-3, um modelo de base para séries temporais com 330 milhões de parâmetros que prevê múltiplas séries relacionadas em uma única passagem direta. Diferente das versões univariadas anteriores, ele é pré-treinado nativamente para previsão multivariada em mais de 1 trilhão de pontos temporais e aceita múltiplos alvos, covariados passados e covariados passados-futuros sem ajuste fino específico para a tarefa.

  • Ele utiliza atenção causal temporal alternada e atenção completa de variável para modelar dependências entre séries com zero-shot.
  • O Contiguous Patch Masking permite que o modelo produza todo o horizonte em uma única passagem direta, com 9 quantis por etapa.
  • Ele ocupa a posição #1 entre modelos de base nos leaderboards GIFT-Eval, fev-bench e TIME para métricas pontuais e probabilísticas.
  • Os pesos são licenciados sob restrição não comercial e não de produção; o TimesFM 2.5 permanece como a opção Apache-2.0 para envio.

O modelo permite a previsão conjunta de múltiplos alvos e covariados sem ajuste fino, oferecendo precisão aprimorada em benchmarks padrão em comparação com modelos de base anteriores.