时序预测是指对按时间顺序排列的数据(如销量、传感器读数、气象指标)进行未来值推断的技术,当前正从传统统计模型和专用深度学习,快速转向可零样本泛化的时序基础模型(TSFM)。近期的进展集中在基础模型迭代、行业级基准落地和训练成本评估三个方向。
时序基础模型近期进展
行业基准与成本评估
当前焦点与观察点
时序预测领域的核心争议在于:通用基础模型是否真的优于针对具体任务的专用模型。一项 FairAMO 评估协议指出,多模型编排的收益在公平评测下相当有限,质疑了当前流行的组合式方案。另一些工作则从机制入手,如免训练修复递归误差累积的泄漏积分器重构,以及面向电池健康度预测的退化语义表征。未来值得观察的是:真实工业基准能否取代传统榜单、零样本能力在垂直行业的实际收益,以及大小模型两条路线的成本效益对比。