AIGC動態歡迎閱讀

原標題：僅需200M參數，零樣本性能超越有監督！谷歌發布時序預測基礎模型TimesFM
關鍵字：時間,模型,序列,數據,研究人員
文章來源：新智元
內容字數：9781字

內容摘要：

新智元報道編輯：LRS
【新智元導讀】TimesFM針對時序數據設計，輸出序列長于輸入序列，在1000億時間點數據進行預訓練后，僅用200M參數量就展現出超強零樣本學習能力！時間序列預測在零售、金融、制造業、醫療保健和自然科學等各個領域無處不在：比如說在零售場景下中，「提高需求預測準確性」可以有顯著降低庫存成本并增加收入。
深度學習（DL）模型基本上壟斷了「多變量時間序列預測」任務，在各個競賽、現實應用中的表現都非常好。
與此同時，用于自然語言處理（NLP）任務的大型基礎語言模型也取得了快速進展，大幅提升了翻譯、檢索增強生成、代碼補全等任務的性能。
NLP模型的訓練依賴于海量文本數據，其中數據來源多種多樣，包括、開源代碼等，訓練后的模型能夠識別語言中的模式，并具備零樣本學習的能力：比如說把大模型用在檢索任務時，模型可以回答有關當前的問題并對其進行總結。
盡管基于DL的預測器在很大程度上優于傳統方法，并且在降低訓練和推理成本方面取得了進展，但仍然面臨著諸多難題：
大多數深度學習模型需要長時間的訓練和驗證周期，之后才能在新的時間序列上測試模型；相比之下，時間序列預測的基礎模型可以

原文鏈接：僅需200M參數，零樣本性能超越有監督！谷歌發布時序預測基礎模型TimesFM

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。