Η IBM κυκλοφορεί το μοντέλο σειράς χρόνου Granite PatchTST-FM-R2 μηδενικής εκπαίδευσης

Η IBM κυκλοφόρησε το Granite Time Series PatchTST‑FM‑r2 στις 9 Σεπτεμβρίου 2026, ένα μοντέλο πρόβλεψης σειράς χρόνου με περίπου 385 εκατομμύρια παραμέτρους, μηδενικής εκπαίδευσης, με διπλή άδεια υπό την Apache 2.0 και το OpenMDW 1.0 του Linux Foundation. Τα βάρη του μοντέλου, η αρχιτεκτονική, η διαδικασία inferencing και ο κώδικας που απαιτούνται για την αναπαραγωγή των αποτελεσμάτων του benchmark δημοσιεύτηκαν ανοιχτά με την κυκλοφορία.

Η IBM ανακοίνωσε το μοντέλο σε μια δημοσίευση στο blog του Hugging Face από συγγραφείς του IBM Research, παρουσιάζοντάς το ως διάδοχο του PatchTST‑FM‑r1 και το πιο πρόσφατο μοντέλο στην οικογένεια μοντέλων βάσης σειράς χρόνου Granite. Σύμφωνα με την ανακοίνωση, το PatchTST‑FM‑r2 συνδυάζει ενημερωμένη αρχιτεκτονική, μεγαλύτερο σύνολο προ‑εκπαίδευσης, πιθανιστική πρόβλεψη και υποστήριξη για αντικατάσταση ελλιπών τιμών, και παράγει προβλέψεις σε νέα δεδομένα χωρίς λεπτομερή εκπαίδευση ή εξειδικευμένη προσαρμογή.

Καταγεγραμμένες Κατατάξεις GIFT‑Eval

Το GIFT‑Eval είναι ένα ολοκληρωμένο benchmark για την αξιολόγηση μοντέλων πρόβλεψης σε διάφορα σύνολα δεδομένων και σενάρια, και χαμηλότερες τιμές είναι καλύτερες τόσο για το CRPS όσο και για το MASE, τα δύο μετρικά που αναφέρει η IBM. Η IBM δήλωσε ότι μέχρι τις 8 Σεπτεμβρίου 2026, το PatchTST‑FM‑r2 κατατάσσεται δεύτερο μεταξύ επαναλήψιμων μοντέλων zero‑shot και για τα δύο μετρικά, και είναι το υψηλότερα αποδοτικό μοντέλο σε αυτήν την κατηγορία μεταξύ μοντέλων που κυκλοφορούν υπό επιτρεπτικές, φιλικές προς τις επιχειρήσεις άδειες. Η ανακοίνωση αναφέρει γεωμετρικό μέσο CRPS 0,467, αμέσως μετά το TimesFM‑3, και γεωμετρικό μέσο MASE 0,6846.

Ορισμένα μοντέλα στο GIFT‑Eval κατηγοριοποιούνται ως προ‑εκπαιδευμένα αντί για αυστηρά zero‑shot, πράγμα που σημαίνει ότι επιτρέπεται να περιλαμβάνουν τα τμήματα εκπαίδευσης των συνόλων αξιολόγησης του benchmark στα προ‑εκπαιδευτικά τους σύνολα. Η IBM δήλωσε ότι ακόμη και όταν αυτά τα μοντέλα προστεθούν στη σύγκριση, το PatchTST‑FM‑r2 καταλαμβάνει την τρίτη θέση για το CRPS και την τέταρτη για το MASE μεταξύ επαναλήψιμων μοντέλων, μπροστά από τα προ‑εκπαιδευμένα Chronos‑2, Timer‑S1 και παραλλαγές Toto, μερικές από τις οποίες είναι σημαντικά μεγαλύτερες.

Η κάρτα μοντέλου, που συντάχθηκε από τους Jiri Navratil, Wesley M. Gifford, Yunshi Wen, Chandra K. Reddy και Agung Julius, χρονολογεί τη δεύτερη θέση επαναλήψιμου zero‑shot στις 31 Αυγούστου 2026 και σημειώνει ότι τα αποτελέσματα του μοντέλου βρίσκονται σε μια εκκρεμή pull request που υποβλήθηκε στο benchmark GIFT‑Eval· η ανακοίνωση χρονολογεί την ίδια θέση στις 8 Σεπτεμβρίου 2026.

Αρχιτεκτονική Conformer

Το PatchTST‑FM‑r2 διατηρεί την αναπαράσταση βασισμένη σε patches του προκατόχου του, αλλά αντικαθιστά τα τυπικά μπλοκ transformer με μπλοκ conformer, ένα σχέδιο που προήλθε από την επεξεργασία ομιλίας. Κάθε μπλοκ περιλαμβάνει δύο ημι‑βήμα feed‑forward στρώσεις που περικλείουν την πολυ‑κεφαλή αυτο‑προσοχή και ένα στρώμα χρονικής συνέλιξης, με εναλλασσόμενα μεγέθη πυρήνα συνέλιξης 3 και 5 σε επαναλαμβανόμενο μοτίβο {5, 5, 3, 3}. Η IBM δήλωσε ότι το στοιχείο συνέλιξης καταγράφει βραχυπρόθεσμη χρονική δομή, επιτρέποντας στη μηχανή προσοχής να εστιάσει στις μακροπρόθεσμες σχέσεις μεταξύ των patches.

Το μοντέλο χρησιμοποιεί patches με 50 % επικάλυψη — μήκος patch 16, βήμα 8 — με βαρύτητα παραθύρου Hamming κατά την εκπαίδευση και πρόβλεψη overlap‑and‑add κατά την εκτέλεση, καθώς και προ‑κεφαλής κανονικοποίηση στρώματος (layer norm) για σταθερότητα εκπαίδευσης. Διαθέτει κρυφή διάσταση 1024 και 30 μπλοκ, αυξημένα από τα 20 του r1, υποστηρίζει μήκη περιβάλλοντος έως 8 192 βήματα και προβλέπει 99 ποσοστά (quantiles) για ευέλικτα μήκη πρόβλεψης, παράγοντας τόσο σημειακές προβλέψεις όσο και διαστήματα αβεβαιότητας. Η υλοποίηση είναι διαθέσιμη στο ανοιχτό‑πηγαίο αποθετήριο granite‑tsfm και παραμένει συμβατή με τα checkpoints του PatchTST‑FM‑r1.

Δεδομένα Εκπαίδευσης και Άδειες

Το τεκμηριωμένο σύνολο προ‑εκπαίδευσης περιλαμβάνει τέσσερις πηγές: επιλεγμένα σύνολα δεδομένων από το GiftEvalPretrain· προσαρμοσμένα συνθετικά δεδομένα βασισμένα στο KernelSynth με τροποποιημένους περιοδικούς πυρήνες και περιορισμένη ενίσχυση· ένα σύνολο TSMixup που δημιουργήθηκε χρησιμοποιώντας την προσέγγιση που περιγράφεται στο άρθρο Chronos, αλλά περιορισμένο σε σύνολα δεδομένων εκτός του συνόλου αξιολόγησης GIFT‑Eval· και περίπου 500 000 συνθετικές ακολουθίες CauKer, καθεμία με μήκος 4 096. Η κάρτα μοντέλου σημειώνει ότι το σύνολο δεδομένων CauKer δημιουργήθηκε από την ομάδα FlowState της IBM και παραθέτει το arXiv άρθρο του 2026 «Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models» ως τη βασική προσέγγιση.

Οι χρήστες μπορούν να επιλέξουν είτε την άδεια Apache 2.0 είτε την OpenMDW 1.0, ένα πλαίσιο αδειοδότησης του Linux Foundation σχεδιασμένο για μοντέλα AI και συναφή υλικά. Η IBM δήλωσε ότι και οι δύο άδειες παρέχουν ευρείες, επιτρεπτικές δικαιοδοσίες για χρήση, τροποποίηση και διανομή του μοντέλου, και στοχεύουν στη μείωση των εμποδίων υιοθέτησης. Μια αποκάλυψη στην κάρτα μοντέλου αναφέρει ότι οι προγραμματιστές της IBM παρήγαγαν τον κώδικα ως ανοιχτό‑πηγαίο έργο αντί για προϊόν της IBM, και ότι η IBM δεν έχει καμία υποχρέωση να παρέχει βελτιώσεις, ενημερώσεις ή υποστήριξη.

Διαθεσιμότητα και Συνολικό Πλαίσιο Οικογένειας Granite

Τα βάρη μπορούν να ληφθούν από το Hugging Face Hub και φορτώνονται μέσω του πακέτου granite‑tsfm, έκδοση 0.3.9 ή νεότερη, μέσω ενός pipeline API. Ο κώδικας παραδείγματος της IBM παράγει μια πρόβλεψη, συμπεριλαμβανομένων των ζητούμενων ποσοστών, από τα τελευταία 512 δείγματα μιας σειράς ETTh1, και η IBM προωθεί το μοντέλο για ζήτηση, τιμές, φορτία ενέργειας, κυκλοφορία, τηλεμετρία και άλλες τακτικά δειγματοληπτικές σειρές χρόνου.

Για υλοποιήσεις streaming, η IBM και η Confluent έχουν διαθέσει αρκετά μοντέλα Granite Time Series (PatchTST‑FM‑r1, FlowState‑r1.1, TTM‑r3 και TSPulse) μέσω προγράμματος Early Access στο Confluent Cloud, το οποίο εκτελεί inferencing μοντέλων βάσης σε ζωντανές ροές μέσω Apache Flink.

Μια επισκόπηση της οικογένειας από το IBM Research καταγράφει την κληρονομιά πίσω από την κυκλοφορία: TST το 2021, μεταξύ των πρώτων μοντέλων βασισμένων σε transformer που εφαρμόστηκαν σε δεδομένα σειράς χρόνου· PatchTST το 2023, που εισήγαγε την τεχνική patching και την ανεξαρτησία καναλιών· Tiny Time Mixer το 2024· και FlowState το 2025. Σύμφωνα με αυτήν την επισκόπηση, τα μοντέλα έχουν εκπαιδευτεί συλλογικά σε πάνω από 100 δισεκατομμύρια σημεία δεδομένων, και τα μοντέλα TTM έχουν ξεπεράσει τις 37 εκατομμύρια λήψεις στο Hugging Face. Το PatchTST‑FM‑r1, ο άμεσος πρόγονος του νέου μοντέλου, αναπτύχθηκε συνεργατικά με το Rensselaer Polytechnic Institute, και τα μοντέλα έκδοσης έρευνας της IBM φέρουν μη‑εμπορική άδεια, ενώ η σειρά Granite δημοσιεύεται υπό την Apache 2.0.