业内首个突破十亿参数的时序大模型，引领预测性能新高峰!

文章预览

在当今以数据为驱动的时代，时序预测已成为众多领域不可或缺的核心组成。然而，构建一个兼具强大性能与高效运算的大规模时序预测模型始终是一个巨大的挑战。此外，高质量的大型公共时间序列数据库的匮乏进一步加剧了这一难题。 近日，由来自 普林斯顿大学, 松鼠AI, 格里菲斯大学 等全 球多地的华人国际科研团队携手通力合作，创新性地提出了一种基于混合专家架构（Mixture of Experts, MoE）的时间序列基础模型——Time-MoE。 该模型 首次将时间序列预训练大模型的参数规模推向十亿级别 ，在时序预测领域实现了里程碑式的突破。Time-MoE模型通过MoE架构的独特优势，将模型参数成功扩展至24亿，不仅显著提升了预测精度，还在降低计算成本的同时超越了众多现有模型，全面达到了SOTA（State of the Art）水平。 与此同时，团队精心整理了预训练数据 ………………………………