📖 AI 总结

Google Research 发布 TimesFM-3，一款基于 Transformer 架构的时间序列预测模型，能够结合销售数据、天气、折扣计划等多源信息进行未来预测。该模型拥有 3.3 亿参数，训练数据超过一万亿个时间点，支持零样本推理，无需针对新任务额外训练。其核心创新在于：将 32 个连续数据点打包为一个 patch 并统一归一化，同时沿时间轴和跨序列两个方向交替处理数据，从而捕捉单一序列内的模式以及不同变量间的关联。模型可同时处理三类辅助信息——多个相关变量的同步预测、仅存在于历史的变量（如过往客流）、以及已知的未来事件（如计划中的促销或天气预报），并输出每个时间步的九个值以量化预测的不确定性。相比早期逐步预测的方法，TimesFM-3 采用一次性填充所有未来时间步的方式，避免了误差累积，速度更快、计算更高效。在冰淇淋销售示例中，引入折扣计划后，模型能准确预判促销日销量约增长 20%。