TimesFM-3 支持多变量时间序列预测

谷歌研究团队发布 TimesFM-3，将时间序列基础模型从单变量历史预测扩展至多变量场景。模型可联合…

谷歌研究团队发布 TimesFM-3，将时间序列基础模型从单变量历史预测扩展至多变量场景。模型可联合参考相关产品、客流、天气或已知促销安排等信号，处理更贴近现实的预测需求。

团队介绍，该版本拥有三亿三千万参数，并以真实及合成数据预训练。研究重点是在一次前向计算中输出预测，减少为每个业务单独训练模型的负担，面向零售、制造和其他连续数据应用。