谷歌AI发布TimesFM-2.5：更精简、更强大的预测模型
谷歌AI推出TimesFM-2.5预测模型
谷歌研究院发布了TimesFM-2.5，这是其时间序列基础模型的重大升级，在降低复杂度的同时提升了性能。新版本拥有2亿参数——比前代减少了60%——同时将上下文长度大幅提升至16,384个数据点。
技术进步
该模型架构采用单解码器设计，首次在谷歌ICML 2024会议论文中提出。主要改进包括：
- 参数效率：从5亿参数减少到2亿
- 扩展的上下文窗口：从之前的限制到现在可处理16K+数据点
- 概率预测：新增支持分位数预测（最多1,000个预测点）
实际应用
时间序列预测在各行业发挥着关键作用：
- 零售需求预测
- 天气模式分析
- 供应链优化
- 能源电网管理
扩展的上下文长度使TimesFM-2.5能够更好地捕捉多季节性模式和长期趋势，而无需复杂的预处理——这对于能源负荷预测和零售需求预测尤其有价值，因为历史模式对未来结果有显著影响。
基准测试表现
该模型目前在GIFT-Eval排行榜（Salesforce发起的基准测试平台）上领先于以下两个方面：
- 点预测准确性
- 概率预测可靠性
可用性与集成
该模型现已通过Hugging Face公开访问，并计划集成到：
- Google BigQuery
- Model Garden生态系统 此举表明谷歌正致力于让零样本时间序列预测更易于企业应用。
关键点：
🌟 效率提升：参数减少至2亿的同时提高准确性\ 📈 能力增强：单次前向传递可处理16K+数据点\ 🏆 基准领先者：在GIFT-Eval上两种预测类型均排名第一\ 🔮 面向未来设计：专为企业分析平台集成而设计
