按年被提到
20242024 · 4 次2026
机器学习与深度学习›时间序列与天气预报·arXiv:2403.07815 · cs.LG

Chronos: Learning the Language of Time Series

Chronos:学习时间序列的语言
Abdul Fatir Ansari, Lorenzo Stella, Caner Turkmen, Xiyuan Zhang, Pedro Mercado, Huibin Shen, Oleksandr Shchur, Syama Sundar Rangapuram, Sebastian Pineda Arango, Shubham Kapoor, Jasper Zschiegner, Danielle C. Maddix 等 18 人 · 2024

把时间序列量化成token,用T5式语言模型做预测

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 5 人首次 2024-03-14 · 最近 2026-03-31
5不同的人
3活跃月份
5讨论串
341被引(OpenAlex)

Chronos 通过缩放和量化把时间序列数值转成固定词表的 token,再用交叉熵损失在其上训练现成的 Transformer 语言模型架构。作者基于 T5 系列(20M 至 710M 参数)在大量公开数据集上预训练,并补充用高斯过程生成的合成数据。在包含 42 个数据集的基准上,Chronos 在训练语料内的数据集上明显优于其他方法,在新数据集上的零样本表现与专门训练的方法相当,有时更好。

HN 为什么提它

摘录显示 HN 评论者只是引用了其摘要,并提到有人用这类模型来预测 CEO 何时在 Slack 上发言,说明预训练时间序列模型开箱即用。

方法难度 3 / 5约 45 分钟经得起时间
读之前最好知道
1时间序列预测基础
2Transformer 与 T5 语言模型
3分词与量化
4零样本(zero-shot)评测

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用rcmcintosh · 2024-08

“We introduce Chronos, a simple yet effective framework for pretrained probabilistic time series models.”

引用摘要介绍 Chronos:简单有效的预训练概率时间序列模型框架
Chronos-T5 (Tiny) – pretrained time series forecasting models原评论 ↗
引用rockwotj · 2026-03

“A friend at work used one to predict when our CEO would post in Slack, which is verry entertaining to see if correct.”

说同事用这类模型预测 CEO 何时在 Slack 发言,很有趣
Google's 200M-parameter time-series foundation model with 16k context原评论 ↗
被提交为 story · 3 次