@oragnes: 谷歌偷偷开源了时序预测底座TimesFM 2.5,参数降到200M,上下文飙到16k。 历史数值丢进去直接出zero-shot预测,家人们可以做一个加密货币预测,哈哈~ TimesFM是一个已经预训练好的时间序列预测基座模型。你把历史数值…
摘要
谷歌开源了时序预测基座模型TimesFM 2.5,参数量降至200M,上下文长度扩展至16k,可直接基于历史数值序列进行zero-shot预测。
查看缓存全文
缓存时间: 2026/04/21 07:56
谷歌偷偷开源了时序预测底座TimesFM 2.5,参数降到200M,上下文飙到16k。 历史数值丢进去直接出zero-shot预测,家人们可以做一个加密货币预测,哈哈~ TimesFM是一个已经预训练好的时间序列预测基座模型。你把历史数值序列喂进去,它就能先给你跑 zero-shot
相似文章
@IndieDevHailey: 谷歌偷偷放出时间序列核武器 TimesFM:5分钟预测未来! 销售预测、股价走势、 网站流量、能源负荷、 加密货币波动…… 这些让人头疼的未来数字,现在有了一个统一答案。 TimesFM: → 在 1000 亿 真实世界时间序列数据上训练…
谷歌发布了TimesFM,一个在1000亿真实世界时间序列数据上训练的时间序列预测模型,支持零样本预测,免费开源,可在普通电脑本地运行。
google-research/timesfm
Google Research 发布了 TimesFM 2.5,这是一个开源的时序基础模型,用于预测,拥有2亿参数、16000上下文长度,并支持最多1000步的分位数预测。该模型可在 PyPI 和 Hugging Face 上获取,支持通过 LoRA 进行微调,并集成到 Google 产品如 BigQuery ML、Google Sheets 和 Vertex Model Garden 中。
@nicos_ai: 谷歌悄然发布了一款能够预测模式的人工智能 销售、市场价格、网络流量、能源需求、加密货币波动等……
谷歌发布了TimesFM,这是一个用于零样本时间序列预测的AI模型,基于1000亿个真实数据点训练,免费且开源。
@berryxia: 兄弟们,Google最新论文直接把时间序列预测的底层逻辑翻了个个儿。 过去所有模型都在死磕历史数据:曲线怎么走,就怎么预测。 Nexus却说:预测需要的不只是历史,而是“事件上下文”。 数字背后的真正原因——政策、突发事件、宏观趋势、局部…
Google新论文Nexus提出将时间序列预测从统计外推转化为多agent推理,通过事件上下文提升预测准确性,在Zillow数据集上MAPE降低86.6%。
@Huanusa: 太炸裂了!居然有人搞出一个能直接读懂K线交易的AI,性能直接起飞! 它叫 Kronos —— 全球首个专为金融市场量身打造的开源基础大模型! 用45家交易所120亿条真实K线数据从零训练,不是拿通用AI硬改的。 它能: 价格预测 + 波动…
Kronos是全球首个专为金融市场打造的开源基础大模型,从零训练于120亿条真实K线数据,支持价格预测与波动率预判,性能远超通用模型,完全免费开源。