企业官网建设流程全解析

• 人工智能
• 基础模型
• 机器学习
• 深度学习

TimeSSM-2.5M 是一个仅 2.5M 参数的零样本（zero-shot）时间序列预测模型，它在 GIFT-Eval 基准上以 MASE 0.7544、CRPS 0.5128 的成绩跻身榜单第一梯队。本文带你逐层拆解这组数字是怎么来的：裸模型跑出了几分、推理期重采样层又加了几分，以及它在小参数模型中的真实位置。📊

GIFT-Eval 是什么？MASE 与 CRPS 怎么读

GIFT-Eval 是当前时间序列预测领域主流的零样本评测基准，覆盖 97 种"数据集 / 频率 / 预测长度"配置，从电力负荷、交通流量到天气、销售都有。

两个核心指标都越低越好，且都是"与官方 seasonal naive 基线的比值"的几何平均：

⚠️ 关键点：TimeSSM 的训练语料从构造上就排除了 GIFT-Eval 的数据源，且最终成绩来自训练运行的最后一个 checkpoint，没有针对榜单挑选过模型。评测脚本还在 97/97 配置上复现了 t0-beta 的官方逐配置结果，数字是可信的（详见 README.md）。

2.5M 参数是怎么做到"一发全 horizon"的

TimeSSM 的骨干是对角线性状态空间模型 S4D：6 个门控 S4D 块，d_model192、d_state32，总参数 2,525,771（完整超参见 config.json）。它有两个对使用者很友好的设计：

• 一次前向预测任意 horizon：不需要自回归循环，短序列、长序列一次出结果；
• 采样间隔是推理期旋钮：通过delta_scale把"季节长度"换算成采样率参数w（15 分钟数据为 0.25，小时级为 1），同一套权重可以按任意频率运行——这是它最独特的能力。

此外它输出0.1 到 0.9 共九个分位数，用上下文做交叉注意力的分位数头给出概率扇形。训练语料规模相当扎实：15.85B 个观测值，来自 106 个公开数据集文件（LOTSA 固定版本、Chronos 四个数据集与合成家族），频率清单见 corpus_v3_frequencies.yaml。更励志的是：整套模型由一个人用 3 张 RTX 3090 从零训练完成，不挂靠任何实验室或公司。

MASE 0.7544 是怎么拿到的：推理期回测重采样层

这是全文最核心的部分——0.7544 不是裸模型的成绩，而是"裸模型 + 推理期重采样层"的总成绩。🔧

具体做法（零训练，全部发生在推理时）：

1. 把历史序列以多个速率重采样：降采样 2 到 48 倍、升采样 2 到 4 倍，每个速率各预测一次；
2. 用序列自身过去的因果回测给各候选加权；
3. 按分位数层级混合预测，并做 sign-flip 平均；
4. 用训练语料上标定的九个逐层 gamma 因子（calibration_gamma.json）把分位数扇形放宽。

全程没有在 GIFT-Eval 上拟合任何东西。代价是：每条序列要跑 20 到 40 次前向，而不是一次。

裸模型有多能打：MASE 0.7985，一次前向

去掉所有花活——单次前向、无平均、无重采样、无标定——裸模型成绩为：

也就是说，重采样层贡献了约 0.04 的 MASE 和 0.03 的 CRPS 提升。更值得注意的是横向对比：48M 参数的 Chronos-Bolt small 裸模型 CRPS 为 0.564，而 TimeSSM-2.5M 裸模型在两项指标上直接赢过它——参数量只有其 1/19。

小参数档位排名：它站在哪个位置

在 GIFT-Eval 榜单 10M 参数以下的模型中（按 CRPS 排序，榜单数据来自其元数据）：

🏆 结论很清晰：开启重采样层后，TimeSSM-2.5M 是 10M 参数以下档位的第二名，与榜首 FlowState-9.1M 仅差 0.011 CRPS，而参数量只有它的 27%。注意两点：TTM-R3 的预训练见过 GIFT-Eval 数据（有数据泄露嫌疑）；而 Chronos-Bolt tiny 套上同款重采样层也只能到 0.532，说明这个推理期技巧本身对 TimeSSM 特别有效。

逐配置拆解：强在哪，弱在哪

97 个配置的逐条成绩见 README.md，这里挑几个代表性例子：

强势配置（比值远低于 1，大幅优于季节基线）：

弱势配置（比值大于 1，不如季节基线）：

规律与官方 Limitations 一节吻合：裸模型本质是短 horizon 模型，中长 horizon 靠重采样层撑住；最弱的三类是 10 秒级云运维 trace、带周节律的小时级数据（m4_hourly）以及低频经济序列（M4 weekly / yearly）。有意思的是，重采样层对"长 horizon 短板"的修复非常显著——例如 electricity/H/long 从裸模型 MASE 0.959 降到 0.918，ett2/D/short 从 1.119 降到 0.898。

成绩背后的代价与边界，必须诚实地说

• 推理成本：重采样层让每条序列的前向次数从 1 变成 20~40 倍，实时高吞吐场景要掂量；
• 单变量模型：不接收外生变量、多变量输入；
• 频率必须声明：模型依赖"24 / season"的频率约定设置采样间隔，没有频率检测器——不声明频率的它就不是卡上这个它（详见 README.md）。

如何验证与复现这份成绩

仓库内已包含复现所需的全部文件：

• model.safetensors + config.json：可直接加载的权重与模型结构；
• epoch00_valloss1.2814.ckpt：原始 Lightning checkpoint，用于通过评测脚本精确复现；
• calibration_gamma.json：分位数扇形标定因子（仅对该 checkpoint + sign-flip + 频率规则组合有效）。

官方复现路径是 TimeSSM 仓库的一条评测命令（EVAL_CONFIG=timessm_2.5m_gift），配置文件中携带了本卡全部推理设置：频率规则、sign-flip 平均、回测重采样（降采样 2~48、升采样 2~4、四个窗口池化回测）与标定文件；裸模型成绩则是第二条命令。本地跑预测只需安装timessm库后from_pretrained加载本目录，model.forecast(context, horizon, w=w)即可拿到九个分位数（最小可运行示例见 README.md）。

小结：小模型的"硬实力"叙事

• 裸模型：2.5M 参数、一次前向，CRPS 0.5451，已优于 48M 参数的 Chronos-Bolt small；
• 加重采样层：CRPS 0.5128、MASE 0.7544，冲入 10M 参数以下档位的 Top 2；
• 零样本、零榜单拟合：训练语料构造上排除评测源，checkpoint 不做挑选；
• 独特能力：采样间隔作为推理期旋钮，同一套权重适配任意频率。

对于资源有限但想要"开箱即用 + 概率预测"的用户，TimeSSM-2.5M 是目前 GIFT-Eval 榜单上参数效率最高的选择之一。

• 人工智能
• 基础模型
• 机器学习
• 深度学习