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
完整日報
AI 日報 2026-09-01
47 則值得知道的變化
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。
論文證實在長文本基準測試中，SWA 表現遠優於耗費算力後訓練的線性注意力模型，能有效改善本地 LLM 推理的記憶體限制。
該框架分為符號化因子與模型研發兩套獨立系統，透過預先登記算子與隔離測試集，限制 Agent 任意編寫程式碼，避免未來資料污染。