谷歌发布时间序列基础模型 TimesFM-3：3.3 亿参数实现零样本多变量预测

谷歌发布第三代时间序列基础模型 TimesFM-3，通过 3.3 亿参数规模实现了无需针对特定任务微调的零样本多变量预测能力。

• 模型基于超 1 万亿个时间点语料预训练，支持联合预测多个相关联的时间序列并捕捉序列间的演化依赖关系。
• 采用基于连续补丁掩码的非自回归单次前向生成架构，配合跨时间与跨变量交替的双注意力机制，单次推理即可输出全预测视界及 9 个分位数概率分布。
• 在 GIFT-Eval、FEV-Bench 和 TIME 等公开时序基准测试中，其点预测准确率与概率预测质量在预训练基础模型中均排名前列。
• 影响/看点：非自回归单次生成与多变量零样本泛化能力的结合可能大幅降低时序预测的微调与推理开销，但其实际工业落地表现仍需在各类极端异构分布与高噪声数据场景中持续验证。
• 资料依据：
• Google Research（2026-08-31）：https://research.google/blog/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting/
• IT之家（2026-09-01）：https://www.ithome.com/0/996/988.htm

本内容由 AI 生成，仅供参考，请注意甄别