跳到正文

TimesFM

用于时间序列预测的解码器基础模型

访问官网
分类 AI模型

TimesFM 是什么

TimesFM 被介绍为一款基于大型时序数据集预训练的解码器基础模型,具有 200 亿参数。资料说明虽然规模小于大型语言模型,但它在多个未见数据集上跨领域、跨时间粒度的零样本性能接近监督方法。

你可以用它做什么

  • 使用在大型时序数据集上预训练的模型
  • 采用解码器 only 架构
  • 跨领域与时间粒度进行零样本预测

应用场景

  • 在零售业提高需求预测准确性,降低库存成本并增加收入
  • 在金融领域开展复杂的时间序列分析
  • 在医疗保健中用数据预测提升治疗与资源规划效率

适合谁使用

  • 从事零售需求预测的人员
  • 进行金融时间序列分析的团队
  • 使用医疗保健数据预测的用户

优点与缺点

✓ 我们认可的地方

  • 无需额外训练即可预测未见时间序列
  • 覆盖不同领域与时间粒度

! 需要留意的地方

  • 资料列出的参数量为 200 亿,规模小于大型语言模型
  • 资料描述的输出是对未见数据集的零样本预测

常见问题

模型规模多大?

资料说明具有 200 亿参数,并称相比大型语言模型规模较小。

使用前需要训练吗?

简介说明无需额外训练即可对未见时间序列进行预测。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法