Chronos-2：面向多变量时间序列预测的基础模型

Chronos-2 用单一预训练模型实现多变量零样本概率预测。

资讯摘要

论文提出 Chronos-2，一个用于零样本预测的时间序列基础模型，可对多变量时间序列与异构协变量之间的交互建模，直接从历史上下文推断序列关系并生成概率预测，无需针对具体任务单独处理。作者报告其在多项基准上平均技能分数较最强基线提升 5.2 个百分点，胜率提高 10 个百分点；单块中端 GPU 上不到一秒可预测 100 条序列。论文还在传染病、宏观经济、碳通量和径流模拟等场景中展示了效果。

要点速读

1. Chronos-2 建模多变量时间序列与异构协变量之间的交互，支持零样本概率预测。
2. 作者报告平均技能分数较最强基线提升 5.2 个百分点，胜率提高 10 个百分点。
3. 单块中端 GPU 上预测 100 条序列耗时不到一秒，端到端分别比最佳任务专用点预测器和概率预测器快 50 倍和 1000 倍。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。