> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# IBM تطلق نموذج Granite Time Series PatchTST-FM-r2 برخصة تسمح بالاستخدام التجاري
- URL: https://globalfeed.ai/ar/ibm-ttlq-nmwdhj-granite-time-series-patchtst-fm-r2-brkhs-tsmh-blstkhdm-ltjry/
- Published: 2026-09-11T17:55:29.000Z
- Updated: 2026-09-11T17:55:29.000Z
- Description: نموذج جديد بنحو 385 مليون معامل للتنبؤ بالسلاسل الزمنية يحتل المركز الثاني على لوحة GIFT-Eval بين النماذج القابلة لإعادة الإنتاج.
- Author: GlobalFeed Editor
- Tags: IBM, Granite, السلاسل الزمنية, x-IBM, dil-ar, denetim-gerekli, video

أطلقت IBM نموذج **Granite Time Series PatchTST-FM-r2** على منصة Hugging Face، وهو أحدث أعضاء عائلة Granite للسلاسل الزمنية. يصدر النموذج برخصتي Apache 2.0 وOpenMDW 1.0، أي أنه متاح للاستخدام التجاري. ومقارنة بالإصدار السابق PatchTST-FM-r1، يقدم بنية معمارية معاد تصميمها، ومجموعة تدريب مسبق أكبر، وتنبؤاً احتمالياً، ودعماً لتعويض القيم المفقودة (imputation).

يضم النموذج نحو **385 مليون معامل** ويدعم سياقاً يصل إلى 8192 خطوة. الفكرة من النماذج الأساسية للسلاسل الزمنية هي الاستغناء عن تدريب نموذج منفصل لكل مجموعة بيانات، والاكتفاء بنموذج مدرَّب مسبقاً يولد تنبؤات دون تدريب مسبق (zero-shot).

## نتائج GIFT-Eval

وفق IBM، وحتى 8 سبتمبر 2026، يحتل النموذج المركز الثاني في مقياسي CRPS وMASE بين النماذج القابلة لإعادة الإنتاج والعاملة بأسلوب zero-shot على لوحة GIFT-Eval، بمتوسط هندسي قدره 0.467 لـ CRPS و0.6846 لـ MASE. ويأتي مباشرة خلف TimesFM-3، بينما يتصدر النماذج ذات الرخص المتساهلة.

وعند إضافة النماذج المصنفة "مدرَّبة مسبقاً"، التي يُسمح لها بتضمين أجزاء التدريب من مجموعات التقييم، يحل PatchTST-FM-r2 ثالثاً في CRPS ورابعاً في MASE. وتقول IBM إنه يتفوق على Chronos-2 وTimer-S1 وإصدارات Toto، رغم أن بعضها أكبر حجماً بكثير.

## تغييرات البنية

احتفظ النموذج بالتمثيل القائم على الرقع (patches)، لكن طبقات المحوّل التقليدية استُبدلت بطبقات **conformer** المستعارة من معالجة الكلام. تجمع كل كتلة بين الانتباه الذاتي متعدد الرؤوس وطبقة التفاف زمني بين طبقتين أماميتين بنصف خطوة. يلتقط الالتفاف البنية الزمنية القريبة بينما يركز الانتباه على العلاقات البعيدة. تتناوب أحجام نوى الالتفاف بنمط متكرر {5, 5, 3, 3}، وارتفع عدد الكتل من 20 إلى 30.

يستخدم النموذج أيضاً رقعاً متداخلة بنسبة 50% مع ترجيح نافذة Hamming وأسلوب overlap-and-add لتنعيم حدود الرقع. أوزان النموذج وخط الاستدلال والشيفرة اللازمة لإعادة إنتاج النتائج متاحة جميعاً. التفاصيل في [مدونة Hugging Face](https://huggingface.co/blog/ibm-research/ibm-releases-sota-granite-time-series?ref=globalfeed.ai).