英文原标题:Reason over time-series data with OpenTSLM on Amazon SageMaker JumpStart

本文为英文原文的机器翻译摘要,原文见:AWS Machine Learning Blog ↗

  • Aionic Labs 开发了开源时间序列语言模型家族 OpenTSLM,可结合数值测量与文本上下文(如维护记录、市场新闻)进行解读,帮助系统识别新出现的问题。
  • OpenTSLM 现已上线 Amazon SageMaker JumpStart,用户可在自有 AWS 环境中部署,并利用 TimeNet 这一共享数据基础设施来查找、构建和加载训练与评估数据集。
  • Nexthink 的 IT 代理 Spark 集成了时间序列语言模型,通过设备遥测数据(CPU、内存、磁盘、应用稳定性、连接性)和上下文,输出状态摘要、建议操作和预期结果,实现主动 IT 支持。
  • SageMaker JumpStart 提供预构建推理容器、自动扩缩容端点、标准化推理 API、CloudWatch 集成监控以及 VPC 和 IAM 安全控制等企业级功能。
  • JumpStart 中的模型为 OpenTSLM-Flamingo,结合 Gemma 3 4B 语言模型与时间序列编码器及交叉注意力层,总参数 52.4 亿,以 bfloat16 存储,权重约占 10.5 GB GPU 显存。

关键数据

  • OpenTSLM-Flamingo 总参数 52.4 亿,bfloat16 存储,权重约 10.5 GB GPU 显存
  • 模型结合 Gemma 3 4B 语言模型与时间序列编码器及交叉注意力层
  • 教程使用 ARFBench 数据通过 TimeNet 加载,在 SageMaker 训练作业中微调,产物存于 Amazon S3 并部署到实时推理端点评估

为什么值得看:它展示了如何将时间序列语言模型通过 SageMaker JumpStart 落地到主动 IT 支持等实际场景,并提供了可复用的部署与微调模式。

站内导航