Google：TimesFM时间序列模型精准预测未来

Google Research 发布 TimesFM，这是一个专为时间序列预测设计的仅解码器（decoder-only）基础模型。该模型通过在包含 1000 亿个时间点的真实与合成数据集上进行大规模预训练，展现了卓越的零样本（zero-shot）预测能力。其核心架构采用了输入分块（patching）技术，能够灵活处理不同行业领域、时间跨度和预测窗口的任务。实验结果表明，该模型在多个公共数据集上的表现已接近甚至超越了针对特定任务专门训练的全监督模型。相比于使用大型语言模型（LLM）进行改造，TimesFM 以更小的参数规模实现了更高的准确性和更低的计算成本。总之，这项研究证明了构建通用时间序列基础模型的可行性，并显著降低了下游任务的训练负担。