首个全开源时序预测基础模型：Zero-shot预测能力比肩从零训练最优模型

©PaperWeekly 原创 · 作者 | 石宇新

单位 | 浙江大学硕士生

研究方向 | 时序预测

首个全开源时间序列预测基础模型 Moirai 来了（“Moirai” 在古希腊神话中是命运女神的名字具有预知未来的能力）！来自 Salesforce AI research 的研究者提出了一种通用的预测范式，使得预训练模型有能力处理任意的时序预测任务。与当下最优的从零训练模型相比，Moirai 的 zero-shot 预测能力具有竞争力甚至表现出更优越的性能。

并且，研究者们发布并开源了预训练框 uni2ts，moirai 模型权重，以及 LOTSA，当下最大的开源时序预测预训练数据集。

论文题目：

Unified Training of Universal Time Series Forecasting Transformers

论文链接：

https://arxiv.org/abs/2402.02592

预训练代码链接：

https://github.com/SalesforceAIResearch/uni2ts

预训练数据集：

https://huggingface.co/datasets/Salesforce/lotsa_data

时序数据广泛存在于零售、金融、制造业、医疗等多个领域，其中时序预测应用对于决策制定有着重要的意义。尽管深度学习方法在时序预测中取得了巨大进展，但其依旧遵循传统机器学习范式：针对特定数据集的特定预测任务（预测长度）训练相对应的模型。

然而，这种模式随着时序预测任务的增多，计算成本和人力成本会显著的增加。能否像视觉和语言领域一样，构造一个预训练大模型进行通用时序预测？该研究工作给出了肯定的回答。