TempoPFN
一种时间序列基础模型方法，使用合成时间序列预训练线性RNN，实现零样本时间序列预测，并开源了合成数据生成器库。
时间轴 (近 90 天)
TempoPFN 已被 NeurIPS 2026 接收。
TempoPFN 的核心贡献是一套用于训练时间序列基础模型的合成时间序列生成器与增强方法库。
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。
TempoPFN 的合成数据已被 Toto-2 和 TS-ICL 使用。
TempoPFN 的论文发布在 arXiv，编号为 2510.25502。
TempoPFN 的代码托管在 GitHub 的 automl/TempoPFN 仓库。
TempoPFN 的模型权重托管于 Hugging Face 的 AutoML-org/TempoPFN。
TempoPFN 更接近一个研究基础设施而非端到端产品：生成器库用于造数据，线性 RNN 用于验证合成预训练的有效性，零样本预测则是检验成果的任务形态。
合成数据的多样性边界决定了模型能泛化到多野生的真实序列，线性 RNN 在表达能力上的取舍可能在某些强非线性序列模式上暴露短板。
全部知识事实 (9)
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。
50%待验证TempoPFN 的合成数据已被 Toto-2 和 TS-ICL 使用。
50%待验证TempoPFN 更接近一个研究基础设施而非端到端产品：生成器库用于造数据，线性 RNN 用于验证合成预训练的有效性，零样本预测则是检验成果的任务形态。
50%待验证TempoPFN 的核心贡献是一套用于训练时间序列基础模型的合成时间序列生成器与增强方法库。
50%待验证TempoPFN 已被 NeurIPS 2026 接收。
50%待验证合成数据的多样性边界决定了模型能泛化到多野生的真实序列，线性 RNN 在表达能力上的取舍可能在某些强非线性序列模式上暴露短板。
50%待验证TempoPFN 的论文发布在 arXiv，编号为 2510.25502。
50%待验证TempoPFN 的代码托管在 GitHub 的 automl/TempoPFN 仓库。
50%待验证TempoPFN 的模型权重托管于 Hugging Face 的 AutoML-org/TempoPFN。
50%