A Google bemutatta a TimesFM-3 idősoros előrejelző modellt

Többváltozós előrejelzésre készült az új TimesFM

A Google Research közlése szerint a TimesFM-3 szakít a korábbi TimesFM-modellek korlátjával: a TimesFM-2.5-ig, amely 2025 szeptemberében jelent meg, a modellek szigorúan egyváltozós előrejelzésre voltak korlátozva. Ez azt jelentette, hogy egy idősor jövőjét csak a saját múltbeli adatai alapján becsülték.

Az új modell ezzel szemben natívan többváltozós előrejelzésre lett előtanítva. A Google példája szerint egy fagylalteladás-előrejelzésnél nemcsak a korábbi eladások számítanak, hanem például kapcsolódó termékek értékesítése, a korábbi bolti forgalom, az időjárás-előrejelzés, a promóciók és az ünnepnapok is.

A TimesFM-3 330 millió paraméteres modell, amelyet valós és szintetikus idősoros korpuszon tanítottak elő, több mint 1 billió időpont felhasználásával. A Google szerint a modell feladatspecifikus finomhangolás nélkül, zero-shot módon képes több együtt változó idősor közös előrejelzésére.

Egyetlen lépésben készít előrejelzést

A TimesFM-3 a korábbi verziók dekóderes transformer architektúrájára épít. Az idősorokat 32 időlépésből álló foltokba rendezi, majd idősoronként normalizálja az adatokat, hogy kezelni tudja az eltérő skálájú sorozatokat.

A modell több célváltozót is képes egyszerre előre jelezni, támogatja a múltbeli kovariánsokat, valamint azokat a múltbeli és jövőbeli, dinamikus kovariánsokat is, amelyek jövőbeli értékei ismertek. Ilyen lehet például egy tervezett promóciós kampány vagy egy időjárás-előrejelzés.

A Google szerint a TimesFM-3 egyik fontos változása, hogy a korábbi, foltonkénti előrejelzés helyett a teljes előrejelzési horizontot egyetlen forward pass során állítja elő. Ehhez maszkolt helyőrző tokeneket illeszt a jövőbeli időszakhoz, majd az architektúra egyszerre tölti ki ezeket. A modell minden cél idősorra és minden horizontlépésre 9 kvantilist jelez előre, a 10. percentilistől a 90. percentilisig, így valószínűségi képet ad a bizonytalanságról.

Benchmarkok és elérhetőség

A Google Research három nyilvános előrejelzési benchmarkon értékelte a TimesFM-3-at: Gift-Eval, FEV-Bench és Time. A közlés szerint a modell mindhárom benchmarkon az első helyen végzett pont-előrejelzési és valószínűségi előrejelzési metrikákban az előtanított alapmodellek között.

Az összehasonlításban szerepeltek többváltozós képességű friss alapmodellek is, köztük a Chronos-2 és a Toto 2.0 család, valamint a Google korábbi TimesFM-2.5 modellje. A Google szerint a TimesFM-3 egyváltozós módban is eléri vagy felülmúlja a versenytársakat, többváltozós módban pedig tovább javítja az átlagos rangot, amikor keresztsorozatos információk és kovariánsok is rendelkezésre állnak.

A TimesFM-3 a bejelentés szerint elérhető GitHubon és Hugging Face-en. A BigQuery-integráció a következő hetekben érkezik. A Google addig a TimesFM-2.5 kipróbálását javasolja egyváltozós feladatokon, az AI.FORECAST paranccsal, gépi tanulási szakértelem nélkül.

Mit jelenthet ez a felhasználóknak

A bejelentés alapján a TimesFM-3 azoknál a szervezeteknél lehet hasznos, ahol az előrejelzések több, egymással összefüggő idősorból és külső jelből állnak össze. A Google a kiskereskedelmet, a pénzügyet, a megfigyelhetőségi rendszereket, a gyártást, az egészségügyet és a természettudományokat említi olyan területként, ahol idősoros alapmodelleket valós feladatokra használnak.

A felhasználói oldalról a fő ígéret az, hogy a modell finomhangolás nélkül is képes figyelembe venni például kapcsolódó termékeket, múltbeli forgalmat vagy előre ismert eseményeket. Ez pontosabb tervezést adhat olyan esetekben, ahol a jövő nem egyetlen idősor múltjából következik, hanem több, együtt mozgó tényezőből.