TimesFM-3 原生支援多變量零樣本預測，權重卻限制商業與生產使用

Google Research 於 8 月 31 日發布 TimesFM-3，把先前以單變量為主的通用時間序列模型擴充成原生多變量預測器。模型有 3.3 億參數，以逾一兆個真實、合成及增強時間點預訓練；輸入可同時包含多個預測目標、只有歷史值的協變量，以及天氣預報、促銷排程等已知未來訊號，毋須為每個資料集重新微調。

模型先把每條序列切成 32 個時間步的 patch，並逐序列正規化。Transformer 內部把資料排成「時間 × 變量」的二維格：因果時間注意力只查看同一序列的過去，完整變量注意力則在相同時間位置交換不同序列的資訊；兩者交替堆疊，以分離時間依賴與跨序列關係。對已知未來的協變量，token 會拼接後續 patch，讓模型在不洩漏目標答案的前提下使用排程資訊。

另一項變更是非自回歸解碼。TimesFM-3 以 Contiguous Patch Masking 在觀測資料後加入遮罩位置，一次產生完整預測區間，不再逐 patch 推進，因此理論上可降低延遲及誤差累積。每個目標、每個時間步會輸出第 10 至第 90 百分位的九個分位數，除了點估計也能表達不確定性。

Google 宣稱它在 GIFT-Eval、fev-bench 與 TIME 三組基準居首，多變量模式又優於自身單變量設定；但數字仍主要由開發團隊報告，預訓練資料亦包含公開時間序列，實務使用者應針對自身時間切分、分布漂移及協變量可得性重新回測。更重要的是，儲存庫程式碼雖為 Apache 2.0，TimesFM-3 權重採獨立非商業授權，明確禁止商業及生產使用；Hugging Face 也尚無託管推論供應商。BigQuery 整合預告於數週內推出，屆時授權、服務配額與結果是否對齊本機版本值得核對。