IBM 开源新的时间序列模型，许可证对商用友好

IBM 在 Hugging Face 上发布了 Granite 时间序列系列的新成员 Granite Time Series PatchTST-FM-r2。该模型采用 Apache 2.0 与 OpenMDW 1.0 双许可，允许商业使用。相比前代 PatchTST-FM-r1，新版本重新设计了架构，扩大了预训练语料，并加入概率预测与缺失值填补（imputation）支持。

模型参数量约 3.85 亿，支持最长 8192 步的上下文。时间序列基础模型的思路是：不再为每个数据集单独训练和维护模型，而是用一个预训练模型直接做零样本（zero-shot）预测。

GIFT-Eval 成绩

IBM 表示，截至 2026 年 9 月 8 日，在 GIFT-Eval 榜单中限定为可复现、零样本且无测试集泄漏的模型时，PatchTST-FM-r2 在 CRPS 和 MASE 两项指标上均排名第二，几何平均 CRPS 为 0.467，MASE 为 0.6846。它紧随 TimesFM-3 之后，在采用宽松许可的模型中排名第一。

如果把允许将评测数据集训练部分纳入预训练语料的 pretrained 类模型也计入比较，PatchTST-FM-r2 在可复现模型中 CRPS 排第三，MASE 排第四。IBM 称其表现优于 Chronos-2、Timer-S1 以及 Toto 系列，尽管其中一些模型规模明显更大。

架构改动

模型保留了 PatchTST 系列基于 patch 的表示方式，但把标准 Transformer 层换成了源自语音处理领域的 conformer 层。每个 conformer 块在多头自注意力和时间卷积层的两侧各放置一个半步前馈层。卷积负责捕捉局部时间结构，自注意力则集中处理长距离关系。骨干网络中卷积核大小按 {5, 5, 3, 3} 的模式交替，块数从 20 增加到 30。

此外，模型采用 50% 重叠的 patch，配合 Hamming 窗加权和 overlap-and-add 预测方式，以平滑 patch 边界。模型权重、推理流程以及复现基准结果所需的代码均已公开。详细内容见 Hugging Face 博客文章。