待验证50% 置信事实精确时间
时间序列基础模型（TSFM）指在大规模多领域时间序列数据上预训练、可零样本或轻量微调迁移到下游预测任务的模型，代表工作包括Chronos、TimesFM、Moirai等。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证时间序列基础模型（Time-Series Foundation Models）是经过大规模多领域时间序列数据预训练、具备跨任务泛化能力的通用预测模型，代表性工作包括TimesFM、Chronos、Moirai74% 相似待验证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74% 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74% 相似待验证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。69% 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68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084299API
curl https://kongchang.com/api/v1/knowledge/claims/1084299MCP
get_claim(id=1084299)