Hugging Face - Blog来源发表:
IBM开源四模型时序集成：不调权重，GIFT-Eval上MASE 0.683略胜最强单体
核心概要
IBM Research 发布 Granite Timeseries Ensemble，把四个架构不同的开源 Granite 时序模型组合成一套默认预测流程，无需重训、也不拟合集成权重，直接输出中位数与分位数预测。此前使用者必须自己判断哪个单体模型适合自己的序列。在 97 个 GIFT-Eval 配置上，概率集成取得 0.683 的 MASE，低于最强单体 PatchTST-FM-r2 的 0.685，但差距很小，主要收益是无需预先挑模型。
深度剖析
时序预测多了一个开箱即用的默认选项：四个预训练 Granite 模型一次调用同时给出点预测和分位数预测，使用者不必先判断哪种架构适合自己的数据。 预训练时序模型可以不经训练直接预测，但选型仍要由人来做，擅长平滑工业信号的模型未必适合噪声大的零售需求或长季节周期。 在 97 个 GIFT-Eval 数据集配置上，概率集成的 MASE 为 0.683，IQR 集成为 0.684，均低于四个单体成员中最好的 PatchTST-FM-r2 的 0.685。