ant-intl/Falcon-TST

解決的問題

提供一組大規模基礎模型，旨在提升不同類型資料（包括單變量與多變量時間序列）的時間序列預測準確性與效率。

工作原理

本專案提供三種不同的模型架構：

• Falcon-2.0：基於 Omni-Range Bootstrap Incremental Training (ORBIT) 的單變量編碼器專用模型。
• Falcon-X：使用共享潛在原型空間與雙重依賴建模來處理異質變數的多變量模型。
• Falcon-1.0：結合局部專家專精與樣本級分層路由的分層混合專家（MoE）模型。

適用對象

從事時間序列預測的資料科學家與機器學習工程師，需要可應用於各種資料集的預訓練基礎模型，而無需進行大量客製化訓練。

主要亮點

• 多樣化的模型家族：支援單變量（Falcon-2.0）與多變量（Falcon-X）預測。
• 分位數預測：透過統一的客戶端 API 提供基於分位數的預測能力。
• 可擴展架構：採用混合專家（MoE）與 ORBIT 訓練機制等先進技術。