谷歌昨天发布了一个名为 TimesFM-3 的超级实用的模型。

如果您手头有销售、需求、交通、能源、金融或传感器等时间序列数据，您可以将过去的数据、相关的其他序列，甚至是已知未来变量如活动、假期、天气等一起提供给模型。模型会自己分析这些变量之间的关系，并在无需微调的情况下预测未来。

而且，它不像之前的模型那样逐步进行，而是通过一次前向传播就生成整个预测范围。

这个拥有 3.3 亿参数的模型是用超过 1 万亿个时间点训练出来的。在谷歌分享的结果中，它在 GIFT-Eval、FEV-Bench 和 TIME 基准测试的三个榜单上，都位居基础模型的第一名。

代码在 GitHub 上，模型在 Hugging Face 上已发布。对于从事时间序列工作的人来说，这是一个非常强大的工具，可以直接实验并适应到项目中。