Mis on Granite TimeSeries PatchTST-FM-r2?
Granite TimeSeries PatchTST-FM-r2 on IBMi ligikaudu 385 miljoni parameetriga alusmudel numbriliste aegridade analüüsimiseks. See on PatchTST-FM-r1 avatud kaaludega edasiarendus ning mõeldud peamiselt null-laskmisega prognoosimiseks: mudelit saab kasutada uue aegridade puhul ilma konkreetse andmestiku jaoks ülesandepõhist ümbertreenimist tegemata.
Aegrida on järjestikku salvestatud mõõtmiste jada, näiteks elektrinõudlus tunni kaupa, päevane müük, andurite näidud, liiklusloendused või varade hinnad. Mudel uurib varasemat konteksti ja hindab tulevasi väärtusi. See toetab ka tõenäosuslikku prognoosimist, mille puhul väljendatakse ebakindlust üheainsa prognoositud väärtuse asemel, ning puuduvate väärtuste imputatsiooni Granite TSFM-i järeldusprotsessi kaudu.
IBM paigutab selle mudeli Granite Time Seriesi perekonda, mitte üldotstarbeliseks keele- või multimodaalseks mudeliks. Mudelikaardil on selle kanoonilise Hugging Face'i identifikaatorina märgitud ibm-granite/granite-timeseries-patchtst-fm-r2. See on mõeldud kohalikeks või ise hallatavateks prognoosimistöövoogudeks.
Põhivõimekus ja toetatud andmed
PatchTST-FM-r2 töötab numbriliste aegridade, mitte loomulikus keeles antud viipadega. Dokumenteeritud kasutusalad hõlmavad null-laskmisega prognoosimist, tõenäosuslikke prognoose, paindlikku prognoosipikkust ja puuduvate väärtuste imputatsiooni. See ei aktsepteeri mudeli sisendina pilte, heli, videot ega vestlusteksti ning see ei ole loodud genereerima keelt, pilte, kõnet ega muud meediat.
Mudel toetab kuni 8192 ajasammu pikkust konteksti. Praktilises mõttes on see esitatud mudeliinfo põhjal tuvastatud ajaloolise jada maksimaalne pikkus. Tegelikule ajavahemikule avaldab mõju proovivõtuintervall: 8192 tunnivaatlust katab teistsuguse perioodi kui 8192 päeva- või minutilise sagedusega vaatlust.
Selle prognoosipea väljastab 99 kvantiili. Kvantiilid on kasulikud tõenäoliste tulevikutulemuste vahemiku väljendamiseks, näiteks keskse prognoosi ning alumise ja ülemise hinnangu esitamiseks. Seetõttu sobib mudel planeerimiseks ja riskitundlike otsuste tegemiseks paremini kui süsteem, mis väljastab ainult ühe punktihinnangu, kuigi kasutajad peavad siiski hindama, kas saadud ebakindlusvahemikud on nende andmete puhul hästi kalibreeritud.
| Spetsifikatsioon | Dokumenteeritud üksikasjad |
|---|---|
| Pakkuja | IBM |
| Mudeliperekond | Granite TimeSeries PatchTST-FM |
| Parameetrid | Ligikaudu 385 miljonit |
| Maksimaalne kontekst | 8192 ajasammu |
| Prognoosiväljund | Punkt- ja tõenäosuslikud prognoosid 99 kvantiiliga |
| Peamine andmetüüp | Numbrilised aegread |
| Hostitud API hinnastamine | Ametlikku mudelipõhist hinda ei ole avaldatud |
| Лitsents | Apache License 2.0 või OpenMDW License 1.0 |
Kuidas arhitektuur töötab
Mudel laiendab PatchTST-i ülesehitust Conformeri-laadsete plokkidega. Igas plokis on ühendatud mitme peaga enesetähelepanu, ajaline konvolutsioon ja edasisuunatud kihid. Lihtsustatult aitab tähelepanu mudelil seostada jadast üksteisest kaugel asuvaid mustreid, samal ajal kui konvolutsioon keskendub kohalikele muutustele ja lühiajalistele kujudele.
PatchTST-FM-r2 jagab aegridade kattuvateks lõikudeks, selle asemel et töödelda iga punkti täiesti eraldiseisva modelleerimisüksusena. Dokumenteeritud lõigu pikkus on 16 ajasammu ja samm 8, seega naaberlõigud kattuvad. See võib aidata säilitada kohalikku järjepidevust ning anda mudelile pikemate jadade struktureeritud esituse.
Arhitektuur sisaldab 30 plokki ning vaheldab korduva mustri alusel konvolutsioonikerneli suurusi 5 ja 3. Treenimisel kasutatakse Hammingu akna kaaludega kao-funktsiooni, järeldamisel aga kattuvate lõikude liitmisega prognoosimist, et vähendada külgnevate prognoositud lõikude vahelisi katkestusi. Need on rakenduslikud üksikasjad, mis on kõige olulisemad reprodutseeritavust, käitumist või ressursinõudeid hindavatele kasutajatele; tavakasutajad ei pea neid avaldatud töövoo kasutamiseks seadistama.
Treenimine ja esitatud hindamistulemused
Esitatud mudeliinfo kohaselt ühendab eeltreenimine valitud GiftEvalPretraini andmestikke, KernelSynthil põhinevaid sünteetilisi andmeid, TSMixupi korpust, millest on välja jäetud GIFT-Evali hindamiskomplekti andmestikud, ning ligikaudu 500 000 sünteetilist 4096 pikkust CauKeri jada. Need allikad viitavad sellele, et mudel treeniti laiapõhjaliseks aegridade käitumise modelleerimiseks, mitte ühe kitsalt määratletud valdkonna jaoks.
IBM teatab, et PatchTST-FM-r2 oli 8. septembri 2026 seisuga GIFT-Evalis reprodutseeritavate null-laskmisega mudelite seas teisel kohal. Viidatud võrdlus annab geomeetriliseks keskmiseks CRPS-i väärtuseks 0,467 ja MASE-i väärtuseks 0,6846. Need on autorite esitatud võrdlustulemused, mitte konkreetse organisatsiooni andmete puhul antavad garantiid. Võrdlusnäitajate tulemused võivad proovivõtusageduse, prognoosihorisondi, andmekvaliteedi, skaleerimisvalikute ja domeeninihke tõttu oluliselt muutuda.
Tootmiskeskkonna hindamisel peaksid kasutajad võrdlema mudelit lihtsa baasmeetodi ning olemasoleva statistilise või masinõppelahendusega. Mõõta tuleks nii punktprognooside täpsust kui ka ebakindlusvahemike kvaliteeti, eriti juhul, kui otsused sõltuvad varude, töötajate arvu, mahu või riskilävenditega seotud näitajatest.
Hinnastamine, litsentsimine ja juurutamine
Selle täpse mudeli kohta ei ole avaldatud ametlikku märgi-, päringu- ega hostitud järeldamise hinda. Mudelikaardil on kirjas, et Hugging Face'i järeldamisteenuse pakkuja seda mudelit ei juuruta. Seetõttu ei ole mudeli otsene hind võrreldav tüüpilise hallatud keelemudeli API hinnakirjaga.
Kasutajad, kes käitavad mudelit kohapeal või enda taristus, peavad arvestama vajaliku arvutusvõimsuse, salvestusruumi, käitamise ja arendustöö kuludega. Esitatud uuringus ei määratleta universaalset riistvaranõuet ega kindlat isehostimise hinda, mistõttu ei tohiks neid väärtusi tuletada üksnes parameetrite arvust.
Mudeli kaalud ja teostus on litsentsitud topeltlitsentsi alusel: Apache License 2.0 ja OpenMDW License 1.0. Kasutajad võivad valida kummagi litsentsi. Enne mudeli tootes kasutuselevõttu peaksid organisatsioonid tutvuma litsentside täielike tingimustega ning võimalike kohustustega, mis puudutavad edasilevitamist, muutmist, ärilist juurutamist ja sisemist kasutust.
Peamised tugevused ja kompromissid
Kõige selgem tugevus on spetsialiseeritus. PatchTST-FM-r2 on loodud numbriliseks prognoosimiseks, seega käsitlevad selle arhitektuur ja väljundikujundus otseselt ajalisi mustreid ja ebakindlust. Selle 8192 ajasammu pikkune kontekst võimaldab kasutada pikki ajaloolisi jadasid ning 99 kvantiiliga prognoosipea on kasulik siis, kui planeerimisel on vaja enamat kui üht eeldatavat väärtust.
Teine praktiline eelis on null-laskmisega toimimine. Meeskond saab eeltreenitud mudelit katsetada mitme aegridade puhul, ilma et peaks iga aegridade jaoks eraldi treenimisprotsessi looma ja hooldama. See võib vähendada esmast modelleerimistööd ning lihtsustada paljude seotud signaalide prognoosimise uurimist.
Sellel on ka olulised kompromissid. Ligikaudu 385 miljoni parameetriga ei ole tegemist kerge tabelarvutusfunktsiooni ega minimaalse manustatud mudeliga. Ise hallatav juurutus võib nõuda märkimisväärset arvutusvõimsust ja käitamisalast pädevust. Esitatud uuring ei paku mudelipõhise hinnaga hostitud teenust, mistõttu võivad lihtsat kasutuspõhist API-t otsivad meeskonnad eelistada mõnda muud võimalust.
Mudel on ka spetsialiseeritud, mitte laia kasutusalaga. Sellel puudub dokumenteeritud tööriista- või funktsioonikutsete tugi, veebiotsing, kodeerimisvõimekus ja üldine keelepõhine arutlusliides. Selle numbrilist väljundit ei tohiks segi ajada kirjaliku selgituse, ärisoovituse või üldotstarbelise tehisintellektiagendiga.
Millal valida PatchTST-FM-r2?
PatchTST-FM-r2 on tugev kandidaat juhul, kui põhiülesanne on korrapäraselt mõõdetud numbriliste andmete prognoosimine ning meeskond soovib eeltreenitud mudelit, mida saab hinnata ilma ülesandepõhise treenimiseta. Sobivad näited on järgmised:
- Nõudluse, müügi, energiakoormuse, liikluse, hindade või operatiivse telemeetria prognoosimine.
- Prognoosivahemike loomine võimsuse planeerimiseks ja riskiteadlikeks otsusteks.
- Ühe alusmudeli katsetamine paljudel aegridadel enne individuaalsetesse mudelitesse investeerimist.
- Järeldamise käitamine kohalikus või ise hallatavas keskkonnas, kus avatud kaalud ja litsentsi valik on olulised.
- Puuduvate väärtuste imputatsioon dokumenteeritud Granite TSFM-i töövoo kaudu.
Mõni teine võimalus võib olla sobivam siis, kui andmeid mõõdetakse ebaregulaarselt, ülesanne nõuab loomulikus keeles suhtlemist või rakendus vajab tööriistakutseid, veebiühendust, koodi genereerimist, piltide mõistmist, kõnet või hallatud API-t. Tavapärane statistiline mudel või väiksem prognoosimudel võib olla eelistatavam ka siis, kui madal latentsus, minimaalne taristu või väga väike käitamiskulu on olulisem kui lai null-laskmisega võimekus.
Piirangud, mida enne tootmiskasutust kontrollida
Mudel on mõeldud numbriliste aegridade jaoks ega muutu üldotstarbeliseks mudeliks üksnes seetõttu, et kuulub IBMi laiemasse Granite'i portfelli. Kasutajad ei tohiks eeldada, et see selgitab prognoose loomulikus keeles, hangib välist teavet, kutsub ärilisi tööriistu või töötleb multimeediat.
Prognoosikvaliteet võib varieeruda sõltuvalt mõõtmiste regulaarsusest, puuduvatest vaatlustest, skaleerimisest, prognoosihorisondist, domeeninihkest ja sihtjada omadustest. Pikk kontekstiaken ei taga, et iga ajalooline punkt on kasulik, ning 99 kvantiiliga väljund ei tähenda automaatselt, et vahemikud on kalibreeritud.
Enne juurutamist valideerige täpsus ja ebakindluse käitumine esinduslikel ajaloolistel andmetel. Kontrollige, kuidas mudel käsitleb organisatsiooni puuduvaid väärtusi, sagedust, erindeid, hooajalisi mustreid ja prognoosihorisonte. Samuti vaadake üle mälu- ja arvutusnõuded, litsentsimine, andmekäitlus, seire ja varukäitumine. Need kontrollid on eriti olulised, sest tegemist on avatud kaaludega ja ise hallatava mudeliga, mitte täielikult käitatud prognoositeenusena pakutava lahendusega.
Kokkuvõte
Granite TimeSeries PatchTST-FM-r2 on IBMi spetsialiseeritud alusmudel numbriliste aegridade null-laskmisega prognoosimiseks, tõenäosuslikuks prognoosimiseks ja imputatsiooniks. Selle määravad omadused on 8192 ajasammu pikkune kontekst, kattuvate lõikudega Conformeri-laadne arhitektuur, ligikaudu 385 miljonit parameetrit ja 99 kvantiiliga prognoosipea. See on kõige atraktiivsem meeskondadele, kes vajavad laia kasutusalaga eeltreenitud prognoosimudelit ning suudavad hallata kohalikku või isehostitud järeldamist. See sobib halvemini kasutajatele, kes otsivad odavat hostitud lõpp-punkti, vestluslikku arutlusvõimet, tööriistade kasutamist või multimodaalset genereerimist.