TimesFM-3

TimesFM-3 är tredje generationen av Google Researchs grundmodell för tidsserieprognoser. Den har 330 miljoner parametrar och är förtränad på över en biljon tidpunkter, både verkliga och syntetiska. Den största nyheten är att den kan förutsäga flera tidsserier som påverkar varandra samtidigt (multivariat prognos), utan att först tränas på användarens egna data.

Modellen kan också använda hjälpvariabler: sådant som bara är känt bakåt i tiden, som tidigare besöksantal, och sådant som är känt i förväg, som planerade kampanjer eller väderprognoser. Den ger både en enskild prognos och osäkerhetsintervall (nio kvantiler från 10 till 90 procent). Tekniskt är det en transformer som delar upp serierna i bitar om 32 tidssteg och växlar mellan att titta längs tiden och mellan serierna, och hela prognosen tas fram i ett enda steg.

Enligt Google har TimesFM-3 bäst genomsnittlig rankning bland förtränade grundmodeller på testerna GIFT-Eval, FEV-Bench och Time. Modellen finns på GitHub och Hugging Face och i BigQuery via kommandot AI.FORECAST. Vikterna på Hugging Face släpps under TimesFM Non-Commercial License v1.0, alltså inte för kommersiellt bruk.