Google apresenta o timesfm-3: um modelo de previsão de séries temporais multivariadas com 330 milhões de parâmetros

A Google Research lançou o TimesFM-3, um modelo de base zero-shot projetado para previsão de séries temporais multivariadas. O modelo, com 330 milhões de parâmetros, foi pré-treinado em mais de 1 trilhão de pontos de dados e pode lidar com múltiplos objetivos, covariáveis passadas e covariáveis passadas-futuras sem ajuste fino específico para a tarefa. Ele supera outros modelos em GIFT-Eval, fev-bench e na classificação TIME, alcançando as primeiras posições em métricas de ponto e probabilísticas. O TimesFM-3 utiliza uma arquitetura de transformador somente decodificador com mascaramento de patches contínuos, permitindo que ele processe dados de forma eficiente. Ele agrupa pontos de tempo contínuos em patches de 32 passos e aplica normalização para gerenciar escalas variáveis. O modelo também emprega uma técnica de 'lookahead' para incorporar dados futuros, aprimorando suas capacidades preditivas. A Google destaca sua aplicação na previsão de vendas de sorvete, considerando fatores como clima, promoções e feriados. Os pesos do modelo estão disponíveis sob uma licença não comercial, restringindo seu uso a ambientes não de produção. A Google incentiva a avaliação, mas adverte contra sua implantação em APIs de produção. O lançamento inclui detalhes técnicos, pesos do modelo no Hugging Face e um repositório GitHub para exploração adicional.