谷歌发布长上下文基础模型升级版，TimesFM-2.5重磅亮相！

谷歌发布了名为TimesFM-2.5的长上下文基础模型，该模型具备强大的语言处理能力和广泛的上下文理解能力，可应用于自然语言处理的各种任务，如文本生成、机器翻译、情感分析等，TimesFM-2.5模型的发布为机器学习和人工智能领域带来了新的突破，有望为相关应用提供更加准确、高效的解决方案。

谷歌研究团队发布了timesfm-2.5，这是一个拥有2亿参数、采用纯解码器架构的时间序列基础模型。

与前代相比，TimesFM-2.5在将模型参数缩减一半的基础上，大幅延长了上下文长度，在运行效率和预测性能方面实现了重要突破。

TimesFM-2.5的核心优势包括：

• 轻量高效：参数规模降至200M，推理速度更快，同时精度进一步提升。
• 长期依赖建模：支持最高达16K长度的输入上下文，显著增强对历史数据的捕捉能力，适用于长期趋势预测。
• 性能领先：在GIFT-Eval基准测试中，该模型于点预测与概率预测任务（以MASE、CRPS为指标）均位居榜首。

目前，TimesFM-2.5已正式在Hugging Face平台开放使用，同时正逐步与BigQuery及Model Garden实现集成，有望推动零样本时间序列预测在实际业务中的广泛应用。

https://www.php.cn/link/772c1c73d4ffe88046a3cdb8772e53eb