知一知 · 今日
← 返回本期日报

AI 前沿

Mistral发布Timestral时间序列基础模型

本期日期 2026-10-19 · 23:33 北京时间

Mistral推出首个时间序列基础模型系列Timestral,提供5M、28M、123M和209M四种参数规模。其最大模型支持概率、多变量预测及历史和未来协变量,并称在GIFT-Eval、TIME和fev-bench三项主要公开基准上领先。

Timestral面向企业常见的时间序列数据,应用场景包括传感器遥测、可观测性指标、产能规划、能源、供应链、风险和维护等。Mistral称,传统ARIMA或线性回归通常只针对单条序列拟合,深度学习模型也常在各数据集上从零训练,而时间序列基础模型可借助大规模、多样化预训练,把模式迁移到新序列和数据稀缺领域。

该系列最大模型仅有209M参数。Mistral称,其以约前代最优模型三分之二的参数量,在GIFT-Eval、TIME和fev-bench三项主要公开基准上排名第一;在预训练零样本模型比较中,单一检查点、不做集成即在五项指标上居首,结果已提交至GIFT-Eval和TIME排行榜。

Timestral共有5M、28M、123M和209M参数版本,架构和训练方法一致。Mistral表示,较大模型预测性能更强,较小模型速度更快、成本更低,四种规模均位于预测精度与模型尺寸权衡的Pareto前沿。模型结合合成预训练、协变量感知注意力和长上下文学习,也可通过Mistral Forge进行领域适配微调,并能在CPU上高效运行。

原文来源

Hacker News ↗
返回本期日报打开交互阅读页