Chronos-2 发布：多变量时间序列零样本预测基础模型
论文AI 评分 78/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
Chronos-2 是一个面向零样本预测的时间序列基础模型，重点解决多变量序列之间以及序列与异构协变量之间的交互建模问题。模型直接从历史上下文推断序列间关系，输出概率预测，无需针对具体任务做特殊处理。在多项基准上，其平均技能分数比最强基线高 5.2 个百分点，胜率提升 10 个百分点。在单块中端 GPU 上，它不到一秒即可为 100 条序列生成预测，端到端速度分别比最好的任务专用点预测器和概率预测器快 50 倍和 1000 倍。论文还展示了该模型在传染病预测、宏观经济建模、碳通量预测和径流模拟等场景中的应用。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载模型要解决的问题
现有时间序列基础模型大多把每条序列单独处理，因此无法刻画序列之间的相互影响，也无法利用外部驱动变量。而在流行病学、经济学、能源系统和地球科学等场景中，多变量序列与异构协变量同时出现是常态。Chronos-2 的定位就是让同一个预训练模型跨领域使用，省去为每个领域数据集单独开发和训练模型的环节。
能力与预测方式
Chronos-2 直接从历史上下文推断各时间序列之间的关系，并生成带不确定性量化的概率预测，不需要针对具体任务做特殊处理，属于零样本预测。这一点区别于需要逐任务微调或定制的方案：使用者拿到模型后，可直接面向新的多变量序列与协变量组合进行预测。
基准成绩与推理速度
在多项基准测试中，Chronos-2 的平均技能分数比最强基线高出 5.2 个百分点，胜率提升 10 个百分点。效率方面，单块中端 GPU 上为 100 条序列生成预测耗时不到一秒；端到端比较中，它比最好的任务专用点预测器快 50 倍，比最好的任务专用概率预测器快 1000 倍。这说明它在保持精度的同时，把推理成本压到了较低水平。
已验证的科学场景
论文给出了多个领域的应用结果，包括传染病预测、宏观经济建模、碳通量预测和径流模拟。这些场景的共同点是多变量序列与外部协变量交织，正好对应模型的设计目标。对从事时序预测落地的人来说，可据此判断自己的数据类型是否落在其覆盖范围内。
为什么值得看
多变量与协变量联合建模、零样本概率预测，加上明确的加速比，对做时序预测落地的人有直接参考价值。
GPU论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。