IT Home ITHome
85

Mô hình

Google ra mắt TimesFM-3: Mô hình dự báo chuỗi thời gian đa biến với 330 triệu tham số

(giờ Việt Nam)

Tóm tắt AI

Google vừa giới thiệu TimesFM-3, mô hình nền tảng thế hệ thứ ba cho phép dự báo chuỗi thời gian đa biến theo phương thức zero-shot mà không cần tinh chỉnh, giúp tối ưu hóa độ chính xác cho các kịch bản phức tạp.

Bản dịch AI

Theo tin từ IT ngày 1 tháng 9, Google hôm nay đã ra mắt mô hình TimesFM-3, thế hệ thứ ba trong dòng mô hình nền tảng chuỗi thời gian của công ty. Với các tính năng như dự báo đa biến nguyên bản, cơ chế chú ý kép (dual attention) và che phủ bản vá liên tục (continuous patch masking), mô hình này có khả năng thực hiện dự báo chuỗi thời gian đa biến theo phương thức zero-shot.

IT tìm hiểu từ phía Google cho biết, TimesFM-3 sở hữu 330 triệu tham số và được huấn luyện trước trên kho dữ liệu chuỗi thời gian thực tế và tổng hợp với hơn 1 nghìn tỷ điểm thời gian. TimesFM-3 kế thừa hiệu suất cao và khả năng tổng quát hóa zero-shot từ thế hệ trước, đồng thời tăng cường hỗ trợ cho các kịch bản đa biến phức tạp dưới dạng zero-shot.

Đồng thời, mô hình này có thể dự báo đồng thời nhiều chuỗi thời gian cùng tiến hóa, nắm bắt các mối quan hệ phụ thuộc giữa chúng để nâng cao độ chính xác tổng thể mà không cần tinh chỉnh (fine-tuning) cho các tác vụ cụ thể. Các tính năng hỗ trợ nguyên bản của mô hình bao gồm:

Dự báo đa mục tiêu: Dự báo đồng thời nhiều chuỗi thời gian có liên quan (ví dụ: dự báo chung cho các thương hiệu kem khác nhau). Mô hình hỗ trợ dự báo điểm và dự báo phân vị cho tất cả các mục tiêu.

Biến hiệp biến quá khứ (Past covariates): Kết hợp các đặc trưng chỉ được biết đến từ góc độ lịch sử (ví dụ: lưu lượng người qua lại trong quá khứ).

Biến hiệp biến quá khứ-tương lai (động) (Past-future (dynamic) covariates): Tận dụng các sự kiện tương lai đã biết để định hướng dự báo (ví dụ: các chiến dịch khuyến mãi đã lên kế hoạch hoặc dự báo thời tiết).

Tham khảo:

TimesFM-3: A zero-shot foundation model for multivariate forecasting

Tuyên bố quảng cáo: Các liên kết chuyển hướng bên ngoài trong bài viết (bao gồm nhưng không giới hạn ở siêu liên kết, mã QR, mật khẩu, v.v.) được sử dụng để truyền tải thêm thông tin, tiết kiệm thời gian lựa chọn. Kết quả chỉ mang tính chất tham khảo. Tất cả các bài viết có chứa liên kết ngoài trên IT đều bao gồm tuyên bố này.

GoogleTimesFM-3Dự báo chuỗi thời gianAIMachine Learning
Đọc bài gốc

Bài viết được AI dịch và tổng hợp tự động từ IT Home ITHome. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.