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.
구글 리서치가 컨텍스트 내 학습(In-context learning)을 통해 제로샷(Zero-shot) 분류 및 회귀가 가능한 표 형식 데이터용 파운데이션 모델 'TabFM'을 발표했습니다. 이 모델은 별도의 학습이나 하이퍼파라미터 튜닝, 특성 공학(Feature engineering) 과정 없이 단 한 번의 순전파(Forward pass)만으로 즉각적인 예측을 수행할 수 있어 데이터 분석 실무의 효율을 크게 높일 수 있습니다.
본 논문은 인간 아동이 학습하는 것보다 기존 최고 수준 AI가 수십만 배 많은 데이터를 요구하는 한계를 극복하는 '제로샷 세계 모델(ZWM)'을 제안합니다. 단 한 명의 아동 시각 경험 데이터로만 학습된 BabyZWM은 별도의 작업 특화 학습 없이도 다양한 시각-인지 벤치마크에서 기존 SOTA 모델들과 맞먹는 성능을 보여줍니다. 이는 데이터 효율성을 획기적으로 높여 인간 수준의 유연한 학습이 가능한 차세대 AI 시스템 개발의 청사진을 제시한다는 점에서 매우 중요합니다.