NX-AI/tirex

TiRex: Zero-Shot Forecasting Across Long and Short Horizons with Enhanced In-Context Learning

解决的问题

TiRex 旨在解决无需在用户特定数据集上训练模型即可实现长期和短期时间序列预测的挑战。它提供了一种零样本预测方法，即在无需进一步训练的情况下，仅根据提供的历史数据上下文即可预测未来值。

工作原理

TiRex 是一个基于 xLSTM 架构的 3500 万参数预训练模型。它利用增强的上下文学习能力，对时间序列数据执行预测、分类和回归任务。该模型可提供预测的点估计和分位数估计，从而实现不确定性量化。

适用人群

该项目面向需要高性能时间序列预测、分类或回归，但又不想从零开始训练模型的数据科学家和机器学习工程师。对于处理多样化时间序列数据集且需要零样本能力的用户尤其有用。

亮点

  • 零样本预测：无需在用户数据上训练即可预测未来值。
  • 分位数预测：提供点估计和分位数估计，实现更稳健的预测。
  • 基于 xLSTM 的架构：基于 3500 万参数的 xLSTM 模型，高效处理时间序列数据。
  • 高性能：在 GiftEval 和 ChronosZS 等基准测试中达到最先进水平。
  • 支持多模态任务：支持预测、分类和回归任务。
  • 优化推理：以 ONNX 模型形式提供，可在不同硬件平台上实现优化性能。

相关

  • 项目
    Cmochance/codex-app-transfer

    一个桌面网关和配置工具，通过将 OpenAI Codex APP 的内部 API 请求转换为标准聊天/补全协议，使该应用能够使用第三方 AI 模型。

  • 项目
    thewaltero/mythos-router

    A local CLI tool for verifiable AI-assisted coding that uses Strict Write Discipline to ensure AI file operations match the actual filesystem state, preventing hallucinations and broken writes.

  • 项目
    NewT123-WM/tnlearn

    Tnlearn is a Python library that builds neural networks from task-based neurons discovered via symbolic regression. It uses either vectorized symbolic regression or LLM-guided equation discovery (DrSR) to fit formulas to tabular data, then embeds these as learnable neurons into an MLP, achieving better accuracy than classical gradient boosting and tabular deep learning methods.

  • 项目
    aws/sagemaker-spark

    一个开源 Spark 库，可将 Amazon SageMaker 集成到 Spark ML 流水线中，实现数据框上的可扩展模型训练和推理。