Mistral ra mắt Timestral, bộ mô hình nền tảng dự báo chuỗi thời gian từ 5M đến 209M tham số
Mistral đã phát hành Timestral, dòng mô hình nền tảng đầu tiên của hãng dành cho dự báo chuỗi thời gian. Mô hình lớn nhất có 209 triệu tham số và được cho là đứng đầu trong nhóm hệ thống được tiền huấn luyện, dự báo zero-shot trên cả ba benchmark GIFT-Eval, TIME và fev-bench, với một checkpoint duy nhất và không dùng ensemble. Timestral có bốn kích thước—5M, 28M, 123M và 209M tham số—đồng thời tạo dự báo xác suất đa biến, tức là mô hình hóa mối liên hệ giữa nhiều luồng dữ liệu và ước tính độ bất định thay vì chỉ đưa ra một giá trị dự đoán. Các mô hình có thể sử dụng cả dữ liệu quá khứ lẫn thông tin tương lai đã biết, chẳng hạn lịch sản xuất, lịch dừng máy, dự báo thời tiết hoặc trạng thái thiết bị. Mistral cho biết bản 28M vượt Chronos-2 lớn hơn nhiều trên GIFT-Eval và TIME, còn bản 209M vượt TimesFM-3 và Falcon-2.0 dù có ít tham số hơn. Timestral được thiết kế để chạy suy luận trên CPU: dự báo một ngày từ ba tuần dữ liệu, lấy mẫu mỗi 15 phút, mất 10 mili giây với bản 5M và 140 mili giây với bản 209M trên máy chủ dùng 8 luồng. Bản phát hành này có thể giúp việc dự báo nâng cao trở nên thực tế hơn trong giám sát công nghiệp, năng lượng, chuỗi cung ứng, tài chính và bảo trì, nơi các đội ngũ cần cả dự đoán lẫn bức tranh rõ ràng về rủi ro mà không phải phụ thuộc vào GPU.
Các doanh nghiệp và nhà phát triển hệ thống dữ liệu có thể quan tâm đến Timestral để dự báo cảm biến, nhu cầu, dòng tiền hoặc bảo trì với nhiều chuỗi dữ liệu cùng lúc và không cần GPU khi suy luận. Có thể theo dõi việc tích hợp Timestral vào các pipeline giám sát hiện có, đặc biệt nếu cần dự báo kèm mức độ bất định.
Đọc bài gốc