جوجل تطلق TimesFM-3 لتوقع السلاسل الزمنية متعددة المتغيرات
نموذج أساسي بـ330 مليون معامل من Google Research يتوقع عدة سلاسل زمنية مترابطة في تمريرة واحدة، لكن أوزانه مقيدة بالاستخدام غير التجاري.
أطلقت Google Research نموذج TimesFM-3، وهو نموذج أساسي للسلاسل الزمنية بـ330 مليون معامل يتوقع عدة سلاسل مترابطة في تمريرة أمامية واحدة. كانت جميع إصدارات TimesFM حتى 2.5 أحادية المتغير: سلسلة واحدة وتاريخها فقط.
جرى تدريب TimesFM-3 مسبقاً على أكثر من تريليون نقطة زمنية للتوقع متعدد المتغيرات مباشرة، وهو يقبل أهدافاً متعددة ومتغيرات مصاحبة (covariates) ماضية وأخرى ماضية-مستقبلية دون ضبط دقيق خاص بالمهمة. المثال الذي تقدمه جوجل هو مبيعات المثلجات، حيث تؤثر مبيعات المنتجات المرتبطة وحركة المارة والطقس والعروض الترويجية والعطلات في الهدف.
البنية
يبقى الهيكل محول (transformer) بفك تشفير فقط. تُجمّع النقاط المتتالية في رقع من 32 خطوة وتُطبّع لكل سلسلة كي لا تهيمن المقاييس شديدة الاختلاف. أما رموز المتغيرات الماضية-المستقبلية فتستخدم حيلة النظر إلى الأمام: تُدمج الرقعة الحالية مع الرقع المستقبلية ليرى النموذج الأحداث المجدولة قبل وقوعها. ثم تدخل الرموز في شبكة ثنائية الأبعاد وتمر عبر آليتي انتباه متناوبتين.
كانت الإصدارات السابقة تفك رقعة واحدة في كل مرة، ما يزيد زمن الاستجابة وكلفة الحوسبة والخطأ المتراكم. يستخدم TimesFM-3 استراتيجية Contiguous Patch Masking التي قُدمت مع TiRex، إذ تُضاف رموز نائبة مقنّعة على كامل الأفق بينما تبقى المتغيرات الماضية-المستقبلية مرئية، وتملأ طبقات الانتباه المتناوبة كل الرقع المقنّعة في آن واحد. ويحصل كل هدف على 9 كميات من المئين العاشر إلى التسعين عند كل خطوة.
النتائج والترخيص
قيّمت جوجل النموذج على GIFT-Eval وfev-bench ولوحة TIME مقابل Chronos-2 وعائلة Toto 2.0 وTimesFM-2.5. ووفق الشركة، يحصل TimesFM-3 على أفضل ترتيب وسطي بين النماذج الأساسية المدرّبة مسبقاً في الثلاثة جميعاً، في المقاييس النقطية والاحتمالية: المركز الأول في fev-bench عبر 100 مهمة واقعية، والمركز الأول في TIME عبر 50 مجموعة بيانات و98 مهمة تقييم، والمركز الأول بين النماذج الأساسية في GIFT-Eval.
جزء من شيفرة المستودع بترخيص Apache-2.0، لكن أوزان TimesFM 3.0 تصدر بترخيص timesfm-non-commercial-license-v1.0 وتقتصر على الاستخدام غير التجاري وغير الإنتاجي، أي يمكن اختباره لا تشغيله خلف واجهة توقع إنتاجية.
التفاصيل في تقرير MarkTechPost.
