新闻 · Hugging Face Blog
NVIDIA Kumo Forecast将预训练时间序列表示与历史模式检索及可解释性相结合
en
英文原标题：NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability
本文为英文原文的机器翻译摘要，原文见：Hugging Face Blog ↗
- NVIDIA 发布 Kumo Forecast（原 NV-Tesseract Forecasting），一个多变量时间序列预测模型，结合预训练 Transformer 主干与领域感知表示与检索（DARR）模式，后者将直接预测与从历史数据检索的模式融合，并提供可解释性。
- 模型基于 MOMENT-1-large 主干，使用约 3.4 亿参数的冻结编码器加可训练预测头；支持 DataFrame 优先 API、可配置预测范围、可选历史上下文检索，以及不修改底层预测器的可解释性框架。
- DARR 模式通过 k 近邻从历史上下文数据中检索相关模式，与直接预测结合；输入窗口与检索上下文分离，开发者可通过配置调整最终预测对两条路径的依赖程度。
- 可解释性框架与模型无关，可生成每个预测范围的滞后和特征归因、语义流诊断、轨迹稳定性诊断及可选的嵌入积分梯度，随预测结果一同输出。
- 限制包括：数据须为数值型时间数据，支持输入序列长度 256、512、1024、2048 个观测值；DARR 模式下上下文维度需与输入上下文相似。
关键数据
- 基于 MOMENT-1-large 主干，约 3.4 亿参数的基础编码器加可训练预测头
- 支持输入序列长度：256、512、1024、2048 个观测值
- 以 Apache 2.0 许可证发布
- 模型代码：NVIDIA/Kumo-TS；模型权重：nvidia/Kumo-Forecast
为什么值得看：Kumo Forecast 将预训练时间序列表示与历史模式检索结合，并内置可解释性，为开发者提供了可直接使用和微调的多变量预测工具。