Подразделение Google Research представило модель TimesFM-3 для прогнозирования временных рядов. Нейросеть построена на архитектуре Transformer, содержит 330 миллионов параметров и прошла обучение на массиве из более чем одного триллиона реальных и синтетических точек данных.
Ключевым отличием модели стала поддержка многомерных данных. Система анализирует одновременно несколько переменных, включая показатели продаж, погодные условия и графики скидок. Вместо пошагового прогнозирования TimesFM-3 заполняет все будущие значения за один проход.
Для оценки неопределенности модель выдает девять значений на каждый временной шаг. По данным Google, TimesFM-3 показала лучшие результаты по точности и калибровке на тестах Gift-Eval, FEV-Bench и Time, опередив Chronos-2 от Amazon и семейство Toto-2.0.
Инструмент уже доступен на платформах GitHub и Hugging Face. В ближайшие недели Google планирует добавить модель в сервис BigQuery. Предыдущие версии TimesFM, выпускавшиеся с 2024 года, применялись в ритейле, финансах, медицине и производстве.
