NVIDIA Kumo Forecast：预训练时间序列骨干网络与历史模式检索及可解释性

NVIDIA Kumo Forecast（前身为 NV-Tesseract Forecasting）是一个多变量时间序列预测模型，它将预训练的 Transformer 骨干网络与领域感知表示与检索（DARR）相结合，DARR 是一种将直接模型预测与从历史数据中检索到的模式相融合的模式，并在预测的同时返回可解释的解释。它的重要性在于将预测分解为两个信息源——预训练表示和当前应用的历史观测——并让开发者调整最终预测对每个信息源的依赖程度，同时增加了一个无需更改底层预测器的可解释性层。

Kumo Forecast 是什么

Kumo Forecast 在 Apache 2.0 许可证下发布，同时提供模型代码和模型权重。

该模型基于 MOMENT-1-large 骨干网络，使用约 3.4 亿参数的基础编码器加上可训练的预测头。该库提供了以 DataFrame 为先的 API、可配置的预测范围、可选的用于检索的历史上下文，以及一个可解释性框架，该框架无需修改底层预测器即可生成特定于预测范围的解释。

上下文增强预测：直接预测加检索

Kumo Forecast 围绕两个不同的信息源设计：预训练期间学习到的表示，以及当前应用可用的历史观测。

在直接预测路径中，Kumo Forecast 使用基于 MOMENT 的 Transformer 和训练好的预测头来预测未来值。在领域感知表示与检索（DARR）模式下，它额外使用最近邻方法从历史数据中检索相关模式，并将该信息与直接预测相结合。

这创建了模型输入窗口与其检索上下文之间的区别。输入窗口为预测提供最近的观测，而单独的历史 DataFrame 可以为模式检索提供额外的上下文。开发者可以通过库的配置选项调整最终预测对每条路径的依赖程度。

DARR 模式在已发表的论文 Memory-Augmented Forecasting: Scalability and Generalization Across Temporal Domains 中有所描述。

四个架构组件

Kumo Forecast 结合了四个主要组件：预训练的时间编码器、可训练的预测头、历史模式检索机制和可解释性框架。

预训练的时间表示

该模型使用 MOMENT-1-large Transformer 编码器作为其骨干网络。该架构在训练预测头时保持编码器和嵌入器权重冻结，将预训练表示模型与任务特定的预测层分开。

直接预测

预测头将模型的表示映射到请求范围内的未来值。对于超出模型原生能力的范围，Kumo Forecast 支持自回归扩展。这区分了直接生成的预测和通过递归扩展预测的更长预测。

领域感知表示与检索（DARR）

DARR 通过从历史上下文数据中进行 k 最近邻检索来增强直接预测。该过程将直接预测与历史模式检索相结合，SDK 通过单独的 context_df 参数接受历史上下文。

可解释性

Kumo Forecast 包含一个模型无关的可解释性框架。启用后，它会生成一个解释包，包含：

  • 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，
  • 可选的嵌入集成梯度。

这些输出伴随预测，而不需要不同的预测架构。更多细节记录在论文 NVExplain: Explaining Time Series Forecasting with Latent Trajectory Analysis and Structure-Preserving Surrogates 中。

支持的输入和限制

Kumo Forecast 仅限于数值型时间数据。支持的输入序列长度为 256、512、1024 和 2048 个观测值。输入包括一个时间戳列加上一个或多个数值列，表示为 pandas DataFrame 或作为 CSV 或 JSON 输入提供。使用 DARR 模式时，上下文的维度必须与输入的上下文相似。

演示应用

发布材料中展示了两个集成。

预测性维护。 Factory Operations (FOX) Blueprint 包括预测性维护模块的早期访问，该模块利用 Kumo Anomaly 和 Kumo Forecast。它分析实时数据以预测未来的异常。模型旁边发布了演示视频。

平台集成。 GTC San Jose 2026 会议演示了平台集成；发布链接指向由 NVIDIA 托管的点播录制。

如何评估和适配 Kumo Forecast

NVIDIA 建议进行特定于应用的评估：在相同的保留预测窗口上比较直接和检索增强配置，并在预期的范围和操作条件下验证预测质量，符合 NVIDIA 对用例特定测试的要求。

Kumo-TS 仓库还提供了在用户提供的 CSV 上微调 Kumo Forecast 的示例，为开发者提供了预训练推理工作流和用于将模型适配到自己的数据的文档化起点。

Sources