NX-AI/tirex

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

解決的問題

TiRex 設計用於解決在不需要於使用者特定資料集上訓練模型的情況下，實現長期與短期時間序列預測的挑戰。它提供零樣本預測方法，表示僅根據提供的過去資料上下文，即可預測未來值，而無需進一步訓練。

工作原理

TiRex 是基於 xLSTM 架構的 35M 參數預訓練模型。它利用增強的上下文學習能力，對時間序列資料執行預測、分類與回歸任務。該模型可提供預測的點估計與分位數估計，進而實現不確定性量化。

適用對象

此專案針對需要高效率時間序列預測、分類或回歸，但又不願從零開始訓練模型的資料科學家與機器學習工程師。對於處理多樣化時間序列資料集且需要零樣本能力的使用者尤其實用。

特色

  • 零樣本預測：無需在使用者資料上訓練即可預測未來值。
  • 分位數預測：提供點估計與分位數估計，以實現更穩健的預測。
  • 基於 xLSTM 的架構：建構於 35M 參數的 xLSTM 模型，高效處理時間序列資料。
  • 高效率：在 GiftEval 與 ChronosZS 等基準測試中達成最尖端表現。
  • 支援多模態任務：支援預測、分類與回歸任務。
  • 優化推論：以 ONNX 模型形式提供，可在不同硬體平台實現最佳化效能。

相關

  • 專案
    Cmochance/codex-app-transfer

    一個桌面網關與設定工具，透過將 OpenAI Codex APP 的內部 API 請求轉換為標準聊天/補全協定，使該應用能使用第三方 AI 模型。

  • 專案
    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.

  • 專案
    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.

  • 專案
    aws/sagemaker-spark

    一個開源的 Spark 套件，可將 Amazon SageMaker 整合至 Spark ML 流水線中，實現資料框上的可擴展模型訓練與推論。