待验证50% 置信事实精确时间
TimesFM 模型将历史数据切成 32 个时间步的补丁（patch），每个补丁视为一个 token，类似语言模型预测下一个词来预测下一段走势。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
谷歌TimesFM 3.0实测：零样本预测够用吗？
youtubePrompt Engineering2026/10/22
涉及实体
相关事实
待验证时间序列基础模型的代表性工作包括 TimeGPT、Lag-Llama、TimesFM 等。71% 相似待验证每 token 生成时间（TPOT）衡量模型在自回归解码阶段逐个生成 token 的速度67% 相似待验证TimesFM采用patch-based tokenization，将连续若干时间步打包为一个patch作为单个token处理，类似于ViT的图像切块策略67% 相似待验证Chunk 支持将任务拖到当天时间轴上变成时间块，并显示倒计时66% 相似待验证时间历史（Temporal History）要求系统记录事实本身以及事实的有效时间区间和写入时间，对应数据库中的双时态（bitemporal）建模。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1085837API
curl https://kongchang.com/api/v1/knowledge/claims/1085837MCP
get_claim(id=1085837)