IBM Granite Timeseries Ensemble：在一个预测界面中结合四个模型

发生了什么

IBM 推出了 Granite Timeseries Ensemble，这是一种采用宽松许可的方案，通过组合四个预训练的 Granite 模型来生成中位数和分位数预测，无需重新训练或拟合集成权重。它提供默认的等影响概率池化方法，以及一种自适应 IQR 替代方案。在 97 种 GIFT-Eval 配置中，默认方法的聚合 MASE 为 0.683，优于最强单个成员的 0.685；而 PatchTST-FM-r2 的聚合 CRPS/MWQL 仍然最低。加载四个检查点会增加推理时间和内存用量。

接下来读什么

• 今日还有哪些重要变化微软研究院与合作者借助人类指导的 AI 证明 KLS 猜想

这件事到目前为止

IBM 推出了 Granite 时间序列集成方案。这是一种采用宽松许可的方案，可在一个接口中结合四个预训练 Granite 模型，无需重新训练或拟合集成权重即可生成中位数和分位数预测。根据 Hugging Face 博客报告，在对 97 种 GIFT-Eval 配置进行的评估中，默认集成的汇总 MASE 为 0.683，而表现最强的单个模型为 0.685。PatchTST-FM-r2 的汇总 CRPS/MWQL 仍然最低，因此该集成并非在报告的每项指标上都领先。 该方案默认采用等影响力的概率池化，也提供自适应 IQR 替代方案。它存储的是集成配置，而非合并后的模型权重，并会在运行时下载全部四个成员模型的检查点，因此首次运行耗时更长。同时运行四个模型也会增加推理时间和内存占用。该方案及其默认 Granite 成员模型均采用宽松许可。