BL
MarkTechPost • 25일 전
구글, 다변량 시계열 예측 파운데이션 모델 '타임즈FM-3' 공개
IMP 7/10
핵심 요약
구글 리서치가 3억 3천만 파라미터 규모의 시계열 파운데이션 모델 TimesFM-3를 공개했습니다. 기존 버전과 달리 처음부터 다변량 예측용으로 사전학습되어, 여러 관련 시계열을 단일 순전파(forward pass)만으로 예측하며 별도 파인튜닝 없이 과거 공변량(covariate)까지 입력할 수 있습니다. GIFT-Eval, fev-bench, TIME 리더보드에서 사전학습 파운데이션 모델 중 최고 평균 순위를 기록했지만, 가중치는 비상업·비프로덕션 라이선스로 배포됩니다.
번역된 본문
구글 리서치가 3억 3천만 파라미터 규모의 시계열 파운데이션 모델 TimesFM-3를 공개했다. 이 모델은 서로 연관된 여러 시계열을 단 한 번의 순전파(forward pass)로 예측할 수 있다. 2.5 버전까지의 모든 TimesFM 체크포인트와 달리, TimesFM-3는 다변량 예측에 맞춰 자체적으로 사전학습되었으며, 여러 타깃 시계열과 과거 공변량(past covariates), 과거-미래 공변량(past-future covariates)을 입력받을 수 있고 작업별 파인튜닝이 전혀 필요 없다. GIFT-Eval, fev-bench, TIME 리더보드에서 사전학습 파운데이션 모델 가운데 최고 평균 순위를 차지했다. 다만 가중치는 비상업·비프로덕션 라이선스로 배포된다.
원문 보기 (영어)
Google Research has released TimesFM-3, a 330 million parameter time series foundation model that forecasts multiple related series in a single forward pass. Unlike every TimesFM checkpoint through 2.5, it is pretrained natively for multivariate forecasting, accepting multiple targets, past covariates, and past-future covariates with no task-specific fine-tuning. It takes the top average rank among pretrained foundation models on GIFT-Eval, fev-bench, and the TIME leaderboard. The weights, however, ship under a non-commercial, non-production license.
The post Google AI Releases TimesFM-3: A 330M Parameter Zero-Shot Foundation Model For Multivariate Time Series Forecasting appeared first on MarkTechPost.