时间序列大模型（LTM，Large Time Series Model）来了：Moirai简介

文章预览

在计算机视觉 (CV) 和自然语言处理 (NLP) 领域，基础大模型已经展现了强大的能力。例如，大型语言模型（LLM）在大规模、多样化的文本语料上进行预训练后，能够在各种下游任务中（如文本生成、问答、翻译等）表现出色。同样，ViT（Vision Transformer）等视觉模型在 ImageNet 以及更大规模的图像数据集上预训练后，也能够很好地迁移到各种下游图像任务上进行微调（fine-tuning）或零样本（zero-shot）学习。然而，在时间序列领域，基础模型的发展却远不及CV和NLP领域。 时间序列数据广泛存在于零售、金融、制造业、医疗等多个领域，其预测应用对于决策制定有着重要意义。尽管深度学习方法在时间序列预测中取得了显著进展，但它们依旧遵循传统的机器学习范式：针对特定数据集和预测任务（如特定预测长度）训练专门的模型。 过去，时间序列预测模 ………………………………