NVIDIA 发布 Kumo Forecast：预训练时序表示结合历史模式检索

核心事实

NVIDIA 在 Hugging Face 博客发布 Kumo Forecast（原名 NV-Tesseract Forecasting），这是一个多变量时间序列预测模型。据博客介绍，模型以 MOMENT-1-large Transformer 编码器为骨干，约 3.4 亿参数，编码器与嵌入层权重保持冻结，仅训练预测头。除直接预测路径外，模型还提供 Domain-Aware Representation and Retrieval（DARR）模式，通过最近邻方法从历史数据中检索相似模式，并与直接预测结果融合；两条路径的权重可通过库的配置项调整。模型代码与权重分别发布在 NVIDIA/Kumo-TS 与 nvidia/Kumo-Forecast，采用 Apache 2.0 许可。

背景与影响

博客将这一设计描述为把预训练阶段学到的表示与当前应用可用的历史观测结合起来。库提供以 DataFrame 为先的 API、可配置的预测跨度、可选的检索上下文，以及一个与模型无关的可解释性框架，可按预测跨度输出滞后与特征归因、语义流诊断、轨迹稳定性诊断，以及可选的嵌入 Integrated Gradients。对于超出模型原生能力的跨度，支持自回归式递归扩展。博客同时提到，Factory Operations（FOX）Blueprint 的预测性维护模块处于 Early Access，使用 Kumo Anomaly 与 Kumo Forecast 分析实时数据以预测未来异常。

限制与来源

据博客说明，输入须为数值型时间数据，支持的输入序列长度为 256、512、1024、2048 个观测值，输入包含时间戳列与一个或多个数值列，可为 pandas DataFrame 或 CSV/JSON；使用 DARR 模式时，上下文维度需与输入上下文相近。上述参数、功能与许可信息均来自厂商博客，尚未获独立验证，实际可用范围与最新条款请以官网及模型页面当前信息为准。来源：Hugging Face 博客，作者 Saira Qureshi 等，标注发布日期为 2026 年 10 月 21 日。