待验证50% 置信事实精确时间

TempoPFN 使用合成时间序列预训练一个线性 RNN，实现零样本时间序列预测。

1

来源数

50%

置信度

长期有效

时效性

2026/10/18

首次发现

来源

TempoPFN：线性RNN合成预训练，实现零样本时间序列预测

redditr/MachineLearning2026/10/18

涉及实体

TempoPFNmodel 线性 RNNconcept

相关事实

待验证TimesFM借鉴大语言模型的预训练+零样本推理范式，预训练后可直接对未见过的时间序列进行预测，无需针对性训练79% 相似待验证VIDRAFT的同一套NPU方案已覆盖从零预训练、LoRA微调、推理加速（在通用开源模型上同样得到验证）、量化模型执行与加速等模型生命周期环节。75% 相似待验证TTM 使用极小的 MLP Mixer 架构做时间序列的零样本预测72% 相似待验证时序基础模型实现零样本泛化通常需要归一化策略（如RevIN）和频率嵌入或时间特征编码71% 相似待验证TimesFM 3.0是专门做时间序列预测的基础模型，具备零样本预测能力69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1062815

API

curl https://kongchang.com/api/v1/knowledge/claims/1062815

MCP

get_claim(id=1062815)