Timestral 系列时间序列基础模型发布

Timestral 四个时间序列基础模型开源，作者报告多项基准领先。

资讯摘要

论文提出 Timestral 系列四个概率预测时间序列基础模型，参数量分别为 5M、28M、123M 和 209M。作者报告其在 GIFT-Eval、TIME 和 fev-bench 上取得新最优结果，其中 Timestral-209M 与 Timestral-123M 在所有指标上位列前两名。方法包含解耦预测视野、原生支持已知未来协变量的框架，以及先合成数据预训练、再混合真实与合成数据后训练的两阶段流程。四个模型权重已在 Hugging Face 发布，推理代码在 GitHub 提供。

要点速读

1. 论文提出四个参数量的 Timestral 时间序列基础模型，用于概率预测。
2. 作者报告 Timestral-209M 和 Timestral-123M 在 GIFT-Eval、TIME、fev-bench 所有指标上排名前二。
3. 方法包括 Decoupled Horizon Forecasting、协变量框架和两阶段预训练/后训练流程；权重与推理代码已公开。

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 2026/10/29 08:00:21（北京时间）。