#零样本预测

共 3 篇相关文章

Zer0Fit是一个开源项目，将谷歌TabFM和TimesFM两款机器学习基础模型封装为MCP服务器，让用户无需编写ML代码，直接通过本地LLM完成分类、回归与时间序列预测任务。本文详解其技术架构、性能表现与使用局限。

实测科研自动化Agent Klaus Goh，全流程复现IBM发表于NeurIPS的TTM时序预测论文：从论文检索、环境搭建、零样本推理到报告交付，10秒完成2700+预测点，MSE 0.363超越TimesFM等大模型，揭示AI科研自动化新趋势。

Toto-2.0是时间序列预测领域的重要突破，借鉴LLM规模化哲学，通过统一表征与高效多变量建模，实现跨领域零样本预测。本文深度解析其技术思路、行业影响及待验证的核心问题。