谷歌研究院於近日在 Hugging Face 平台釋出了 TimesFM 3.0 時序預測基礎模型的官方 PyTorch 權重與配置檔案，版本號為 0.3B，更新於 8 分鐘前。TimesFM（Time Series Foundation Model）是谷歌研究院開發的預訓練時序預測基礎模型，此次釋出使開發者能夠直接使用該模型進行時間序列預測任務。

根據倉庫資訊，TimesFM 3.0 採用堆疊混合 Transformer（Stacked Mixing Transformer）架構，並引入 Variate Attention 與 CPM Iterative RevIN 技術。模型包含 20 層 Transformer，模型維度為 1280，注意力頭數為 16。上下文補丁長度為 32，預測補丁長度為 64，輸出分位數（中位數位於索引 4）。

在預訓練資料方面，TimesFM 3.0 使用 GiftEvalPretrain 資料集進行預訓練，並排除了與 fev-bench 重疊的資料集。具體資料包括 Wikimedia Pageviews（截止 2023 年 11 月）和 Google Trends 熱門查詢（截止 2022 年底），以及合成和增強資料。

模型採用 TimesFM 非商業許可 v1.0 釋出，這意味著該模型僅可用於非商業用途。這一許可限制可能影響其在企業級商業應用中的直接採用，但為學術研究和原型開發提供了便利。

TimesFM 系列模型此前已釋出多個版本，3.0 版本在架構和預訓練策略上進行了升級。時序預測基礎模型旨在通過大規模預訓練，捕捉時間序列中的通用模式，從而在少量樣本或零樣本條件下實現對新資料集的預測，減少對大量標註資料的依賴。

此次釋出對 AI 產業具有多重意義。對於應用層開發者，TimesFM 3.0 提供了強大的時序預測能力，可用於需求預測、異常檢測、資源排程等場景。對於模型層研究者，該模型的開源權重有助於復現實驗結果並推動進一步研究。然而，非商業許可可能限制其在商業產品中的直接整合，開發者需關注許可條款或尋求商業授權。

總體而言，谷歌通過開源 TimesFM 3.0 權重，進一步豐富了時序預測領域的開源生態，為 AI 在時間序列分析中的應用提供了新的基礎工具。