先了解这件事
AI 综述
IBM 已在 Hugging Face 发布 Granite Timeseries Ensemble,提供四模型集成配方。该集成默认组合 PatchTST-FM-r1、PatchTST-FM-r2、FlowState 和 Tiny Time Mixers 四个预训练模型。在 97 个 GIFT-Eval 配置上,其聚合 MASE 为 0.683,优于最佳单模型 PatchTST-FM-r2 的 0.685。推荐默认的 Probabilistic Ensemble 对成员等权池化分位数预测,无需拟合;IQR Ensemble 则按预测区间宽度动态加权。集成的主要价值在于无需预先挑选架构即可获得稳定精度,但 PatchTST-FM-r2 仍保持最低的聚合 CRPS/MWQL。
AI 根据公开报道生成
最新进展 · 正式报道
IBM Granite 时间序列模型的集成预测方法事件进展
1 个已确认进展
- 来源：Hugging Face
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月22日
Hugging Face一手
IBM Granite 时间序列模型的集成预测方法
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble，默认组合 PatchTST-FM-r1、PatchTST-FM-r2、FlowState 和 Tiny Time Mixers 四个预训练模型，在 97 个 GIFT-Eval 配置上聚合 MASE 为 0.683，优于最佳单模型 PatchTST-FM-r2 的 0.685。推荐默认的 Probabilistic Ensemble 对成员等权池化分位数预测，无需拟合；IQR Ensemble 则按预测区间宽度动态加权。集成的主要价值是无需预先挑选架构即可获得稳定精度，但 PatchTST-FM-r2 仍保持最低的聚合 CRPS/MWQL。