구글 리서치가 시계열 데이터뿐 아니라 관련 변수와 예정된 할인 일정, 날씨 예보 등 미래에 알려진 사건까지 활용해 미래를 예측하는 '타임스FM-3(TimesFM-3)'를 공개했습니다. 3억 3천만 개 파라미터의 이 모델은 단일 패스로 전체 미래 시점을 한 번에 예측해 기존의 단계별 예측 방식의 오차 누적 문제를 해결했으며, 세 개 벤치마크에서 최고 성능을 기록했습니다. 깃허브와 허깅페이스에 공개되었고 향후 빅쿼리(BigQuery)에도 추가될 예정입니다.
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.
이 글은 TimeCopilot을 활용하여 실제 항공사 데이터를 바탕으로 처음부터 끝까지 시계열 예측 파이프라인을 구축하는 방법을 다룹니다. 통계 모델과 파운데이션 모델(foundation models)을 평가하고, 예측 구간을 시각화하며 이상치를 탐지하는 과정을 설명합니다. 특히 LLM 에이전트가 최적의 모델을 자동으로 선택하고 예측 결과를 설명해주는 기능은 예측 모델링의 실무 효율성과 접근성을 크게 높여준다는 점에서 중요합니다.