谷歌AI的最新研究在社交平台上引起了争议。他们的论文介绍了一个名为TimesFM的仅解码器基础模型，用于时间序列预测。这个模型在一个包含1000亿个真实世界时间点的大型时间序列语料库上进行了预训练，参数量仅为200M。研究人员发现，即使在如此大规模的情况下，该模型在不同领域和时间尺度的各种未见数据集上的零样本性能接近于这些数据集上显式训练的SOTA（State-of-the-Art）监督方法。有人对TimesFM在各种公开基准测试中展示的零样本性能表示惊讶，但也有人对其采用的评估方法和基准产生质疑，认为论文作者犯了一些“新手错误”并采用了一些“欺骗性”的基准。
论文链接：https://arxiv.org/abs/2310.10688