Google 发布时间序列大模型 TimesFM-3：3.3 亿参数支持多变量零样本预测

Google Research 发布了 3.3 亿参数的时间序列基础模型 TimesFM-3，首次原生支持多变量零样本预测，扩展了基础模型在复杂时序预测场景的适用性。

• 与此前仅支持单变量预测的版本不同，TimesFM-3 在超过 1 万亿个时间点的数据上进行原生多变量预训练，无需微调即可同时预测多个相关序列。
• 模型采用仅解码器（Decoder-only）架构，结合 32 步分块、因果时序注意力与全变量注意力机制，支持多目标、历史协变量及未来已知协变量三类输入。
• 在 GIFT-Eval、fev-bench 与 TIME 等基准测试中，其点预测与概率预测综合表现均位列已预训练基础模型前列。
• 开源协议采用分立模式，仓库代码遵循 Apache-2.0 协议，但模型权重采用非商业许可证（timesfm-non-commercial-license-v1.0），限制用于生产环境。
• 影响/看点：该模型可能降低供应链与零售等多变量关联预测的建模门槛，但由于权重限制非商业使用，企业在生产环境中部署仍需依赖商用授权开放或重新训练。
• 资料依据：
• Google Research（2026-08-31）：https://research.google/blog/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting/
• GitHub（2026-08-31）：https://github.com/google-research/timesfm

本内容由 AI 生成，仅供参考，请注意甄别