A decoder-only foundation model for time-series forecasting
受自然语言处理(NLP)大型语言模型最新进展的启发,我们设计了一个用于预测的时间序列基础模型,该模型在各种公共数据集上的开箱即用零镜头性能接近于每个单独数据集的最先进监督预测模型的准确性。我们的模型基于在大型时间序列语料库上预训练补丁解码器风格的注意力模型,可以在不同的预测历史长度、预测长度和时间粒度上很好地工作。我们使用大约1B个时间点的大型预训练语料库来训练用于时间序列预测的仅解码器基础模型,其中大部分是从谷歌趋势中导出的搜索兴趣时间序列。
复制链接