谷歌今天发布 TimesFM-3 模型，这是该公司时间序列基础模型系列的第三代产品。拥有原生多变量预测、双注意力机制、连续补丁掩码等特性，可进行零样本多变量时间序列预测。
IT之家从谷歌官方了解到， TimesFM-3 拥有 3.3 亿个参数 ，并在包含超 1 万亿个时间点的真实世界和合成时间序列语料库进行预训练。 TimesFM-3 继承前代的高效性和零样本泛化能力 ，以零样本形式增强复杂多元场景支持。
同时，该模型可联合预测多个共同演化的时间序列，捕捉其中的依赖关系，提升整体准确率，无需针对特定任务微调，该模型原生支持特性如下：
多目标预测：同时预测多个相关时间序列（例如联合预测不同品牌的冰淇淋）。该模型支持所有目标的点预测和分位数预测。
过去协变量：纳入仅从历史角度已知的特征（例如过去人流量）。
过去-未来（动态）协变量：利用已知的未来事件来指导预测（例如计划促销活动或天气预报）。
参考：
TimesFM-3: A zero-shot foundation model for multivariate forecasting