Исследователи Google выпустили TimesFM-3 — базовую модель для временных рядов с 330 миллионами параметров, которая прогнозирует несколько связанных рядов за один прямой проход. В отличие от предыдущих версий для одномерных рядов, она нативно предобучена на более чем 1 триллионе точек временных рядов для многомерного прогнозирования и принимает несколько целевых переменных, прошлые ковариаты и ковариаты из прошлого и будущего без специфической для задачи донастройки.
- Она использует чередующееся причинное временное и полное внимание по всем переменным для моделирования межрядовых зависимостей в режиме zero-shot.
- Непрерывная маскировка патчей позволяет модели генерировать весь горизонт прогнозирования за один прямой проход с 9 квантилями на шаг.
- Она занимает 1-е место среди базовых моделей в рейтингах GIFT-Eval, fev-bench и TIME как по точечным, так и по вероятностным метрикам.
- Веса распространяются под лицензией с ограничениями на некоммерческое использование и производство; TimesFM 2.5 остаётся вариантом под лицензией Apache-2.0 для коммерческого развёртывания.
Модель обеспечивает совместное прогнозирование нескольких целевых переменных и ковариат без донастройки, предлагая повышенную точность на стандартных бенчмарках по сравнению с предыдущими базовыми моделями.