ニュース
Google发布TimesFM-3，原生支持零样本多变量时间序列预测
Google Research发布3.3亿参数TimesFM-3，在超过1万亿时间点的语料上预训练，可零样本联合预测多个时间序列并利用历史和未来协变量。
Google Research发布TimesFM-3，这是TimesFM系列首个原生面向多变量预测预训练的时间序列基础模型。模型拥有3.3亿参数，训练语料包含真实与合成数据，规模超过1万亿个时间点。
TimesFM-3可在无需任务专用微调的情况下联合预测多个共同变化的时间序列，并支持历史协变量和已知未来协变量。Google称其在GIFT-Eval、FEV-Bench和TIME三项公开基准中取得领先平均排名；模型现已在GitHub和Hugging Face开放，BigQuery集成将在后续上线。