谷歌发布多变量时序预测零样本基础模型 TimesFM-3

2026年8月31日，谷歌研究院宣布推出多变量时序基础模型 TimesFM-3，首次在单一前向传播中原生支持多变量零样本预测，拓展了通用时序模型的预测维度。

• 模型拥有 3.3 亿参数，基于包含合成与真实世界数据的超 1 万亿时间点语料库进行预训练。
• 相比此前仅支持单变量预测的 TimesFM 版本，TimesFM-3 能联合预测相互演化的多个时序序列，无需针对下游任务进行微调。
• 架构延续 Decoder-only Transformer，采用 32 个时间步为一组的分块机制，并通过前瞻（Lookahead）策略整合历史与未来协变量。
• 引入针对每条时序的归一化处理机制，以适应不同变量之间跨度极大的数值量纲差异。
• 影响/看点：多变量零样本预测能力的具备，意味着零售、金融与制造等工业场景有望降低定制化建模成本，其商业落地效果取决于模型在分布外异常数据上的泛化稳定性。
• 资料依据：
• Google Research Blog（2026-08-31）：https://research.google/blog/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting/

本内容由 AI 生成，仅供参考，请注意甄别