Google 發布時間序列基礎模型 TimesFM-3:具備 3.3 億參數,支援零樣本多變量預測
基於 1 兆個時間點預訓練,於 Gift-Eval 等三大基準測試登頂,並採連續區塊遮罩技術免除迭代迴圈,提供 9 個分位數機率預測。
Google Research一手來源
47 則值得知道的變化
基於 1 兆個時間點預訓練,於 Gift-Eval 等三大基準測試登頂,並採連續區塊遮罩技術免除迭代迴圈,提供 9 個分位數機率預測。
該基準以 92 組提案比較評估模型,人類專家一致率達 77%,而 Opus 5 與 GPT-5.6 Sol 等前沿模型表現皆接近隨機猜測。
透過自研桌面用戶端與 FloatSail 系統,Floatboat 讓同款模型在五項基準測試從零勝轉為全勝,長程任務 DeepSWE 增益達 23.6%,證明複雜任務換 Harness 比換模型更划算。