Google Research lançou TimesFM-3 — modelo de previsão de séries temporais, que leva em conta não apenas valores passados, mas também dados relacionados e eventos futuros já conhecidos. Entre os exemplos estão ações e previsões meteorológicas.
O modelo com 330 milhões de parâmetros gera todos os pontos futuros da série temporal em uma única passagem, em vez de prevê-los sequencialmente. Segundo o resumo do The Decoder, essa abordagem reduz o tempo de processamento e diminui o acúmulo de erros.
O valor prático do TimesFM-3 depende de quão precisamente ele funciona em conjuntos de dados específicos e em diferentes cenários aplicados. Na fonte disponível não há resultados de testes independentes ou detalhes sobre o lançamento.
comentário editorial
Por que importa
Provável consequência — interesse em sistemas de previsão que levam em conta simultaneamente séries temporais e eventos futuros conhecidos. O próximo sinal observado serão os resultados de testes publicados, disponibilidade do modelo e comparações independentes. Uma incerteza considerável está ligada à falta de declaração primária e avaliação detalhada da qualidade.