AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：时间序列基础模型×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
6月8日
10:40
10:40arXiv cs.LG@Lorenzo Longarini, Alessandro Rongoni, Simone Silenzi, Emanuele Frontoni, Riccardo Rosati
精选
光伏电站在投运初期缺乏历史观测数据，导致标准监督预测方法无法直接使用。研究者提出一种零样本流程，利用电站元数据和气象协变量生成合成生产历史，使时间序列基础模型（TSFMs）能够通过推理时条件进行预测。在440个光伏站点、四个数据集和多种气候条件下，五种TSFMs与经典基线对比，协变量感知模型性能提升约1.7-2倍，其中TabPFN-TS在真实反馈策略下误差最低（MAE 0.514），Chronos-2在自预测反馈策略下最鲁棒。合成历史来源对性能影响不大，表明合理的时序上下文比具体生成器更重要。
论文时间序列基础模型光伏预测冷启动零样本TabPFN-TS
推荐理由：光伏运维团队终于有了冷启动预测的实用方案——无需历史数据即可用基础模型实现高精度预测，做新能源发电预测的开发者可以直接参考TabPFN-TS和Chronos-2的表现。
原文
5月27日
10:33
10:33arXiv cs.AI@Yiding Liu, Yifan Hu, Hongjie Xia, Peiyuan Liu, Hongzhou Chen, Xilin Dai, Zewei Dong, Jiang-Ming Yang
精选
Falcon-X 是一种新型时间序列基础模型，解决了现有模型在跨变量建模中语义对齐和关系表达能力的不足。它通过将变量映射到统一的潜在原型空间，并采用统一原型差异注意力机制，显式评估正负语义亲和度，从而对齐异构物理量。该模型还通过潜在实体注意力在共享空间中高效进行跨变量交互，并通过变量重组路由器稳健重建特定变量轨迹。在 GIFT-Eval 和 fev-bench 基准测试中，Falcon-X 达到了最先进的预测性能，为复杂多变量环境提供了可扩展的范式。该模型已公开发布，以支持未来研究。
论文时间序列基础模型多变量建模异构数据预测Falcon-X
推荐理由：时间序列预测从业者终于有了一个能处理异构多变量数据的专用基础模型——Falcon-X 通过潜在原型空间解决了语义对齐难题，做金融、能源或物联网预测的团队可以直接拿来用。
原文
5月16日
14:05
14:05Clement Delangue@ClementDelangue
精选73°
Datadog 发布了 Toto 2.0 系列时间序列基础模型，参数规模从 4M 到 2.5B，采用 Apache 2.0 开源协议。该系列模型在 BOOM、GIFT-Eval 和 TIME 等主流基准测试中均取得领先成绩，且每个更大规模的模型性能都优于较小的模型。这是时间序列领域首次出现清晰的缩放定律曲线，意味着研究人员可以像语言和视觉模型那样，通过增加数据和计算量来可靠地提升模型性能。2.5B 和 4M 参数的模型权重已在 Hugging Face 上开源。
AI模型时间序列基础模型缩放定律开源/仓库DatadogToto 2.0
推荐理由：时间序列领域终于有了可预测的缩放定律，做时序预测的团队可以像训练语言模型一样放心堆数据和算力，建议直接下载权重试试。
原文