谷歌发布 TimesFM-3 模型，实现零样本多变量时间序列预测

谷歌于今日推出其时间序列基础模型系列第三代产品 TimesFM-3。该模型拥有 3.3 亿参数，并在包含超过 1 万亿个时间点的真实世界和合成时间序列语料库上进行预训练，具备原生多变量预测、双注意力机制和连续补丁掩码等特性。

TimesFM-3 支持零样本多变量时间序列预测，可同时预测多个相关时间序列，捕捉依赖关系，提升准确率。它还能纳入历史协变量和未来动态协变量，例如计划促销或天气预报，无需针对特定任务微调。

该模型继承了前代的高效性和零样本泛化能力，增强了复杂多元场景的支持，为金融、零售、气象等领域的预测任务提供了新工具。