NX-AI/tirex

解决的问题

TiRex 旨在提供高精度的时间序列预测，无需用户在特定数据集上训练模型。它通过预训练方法，解决了在短期和长期视域下进行可靠预测的挑战。

运作原理

TiRex 基于 xLSTM 架构，是一个 35M 参数的模型，利用增强的上下文学习（in-context learning）来执行零样本预测。它能产生未来数值的点估计与分位数估计。除了预测之外，该模型还可用于时间序列分类与回归任务。

适用对象

需要即时、高性能预测、分类或回归，且不想负担从头训练自定义模型成本的时间序列数据科学家与研究人员。

特点

• 零样本能力：无需在用户数据上进行训练即可预测未来数值。
• 多样化输出：提供点估计与分位数估计。
• 广泛应用：支持预测、分类与回归。
• 优化：提供 ONNX 模型以进行优化推理，并支持自定义 CUDA kernels 以提升在兼容 GPU 上的性能。