Chronos-2 多变量时间序列基础模型发布

1. 13:00
   arXiv · AI

   Chronos-2：用于多变量时间序列预测的基础模型

   Chronos-2 发布，这是首个支持零样本多变量时间序列预测及异构协变量交互建模的基础模型。 该模型平均提升技能分数 5.2 个百分点，生成 100 个时间序列预测耗时不足 1 秒，端到端速度比特定任务预测器快 50 至 1000 倍。 Chronos-2 在传染病预测、宏观经济建模等科学场景中表现超越专用方法，验证了预训练模型捕捉共享时间结构的能力。

1. 12:00
   arXiv · ML

   时间序列基础模型 Chronos-2 部署与预训练可持续性分析及剪枝优化

   Chronos-2 在大规模高频部署中数月内即可分摊预训练碳成本，而小规模低频场景下传统模型长期成本更低。 移除单个编码器块（7.9% 参数）的无梯度剪枝策略可使 FLOPs、CO2 排放量及延迟降低 6% 至 9%，且在 25 项任务基准上几乎不影响零样本预测性能。 该研究被 NeurIPS 2026 TS-LIMITS 工作坊接收，为降低 TSFM 能耗提供了有效方法。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。