Mistral 发布首个时间序列基础模型 Timestral
Mistral AI 发布其首个时间序列基础模型家族 Timestral，共四个尺寸（5M 至 209M 参数）。最大模型在 GIFT-Eval、TIME 和 fev-bench 三大公开基准上均排名第一，且参数量仅为此前最优模型的三分之二。模型支持概率预测、多变量预测和协变量输入，可在 CPU 上高效运行。
要点速览
- 01提供 5M、28M、123M、209M 四种参数规模，共享同一架构和训练方法
- 02209M 模型在 GIFT-Eval、TIME、fev-bench 三大基准上零样本预测排名第一
- 0328M 模型在 GIFT-Eval 和 TIME 上击败约四倍大的 Chronos-2
- 04推理无需 GPU：8 线程 CPU 上 5M 模型预测一次仅需 17ms，209M 为 113ms
- 05支持多变量、概率预测及类别型、已知未来协变量输入
背景
时间序列预测广泛用于工业、金融等领域，传统模型只能拟合单一序列，深度学习模型需逐数据集重新训练。时间序列基础模型借鉴大语言模型的预训练思路，实现跨领域零样本预测。
影响
对需要做传感器监控、容量规划、供应链和金融预测的企业有用，可在现有监控流水线中部署，也可与语言模型结合构建异常诊断等智能体工作流。
原文来自 Mistral AI 博客，版权归原作者所有。中文标题和摘要由 AI 根据原文自动生成，可能有误，请以原文为准。