原标题:《Timestral: Mistral release time-series foundation models》 评分: 372 | 作者: groar 💭 给两列数字起个基础模型名,就能预测世界了吗? 🎯 讨论背景 Timestral 是 Mistral(一家法国 AI 公司)推出的时间序列基础模型,面向需求、能源、传感器、流量等按时间排列的数值预测任务。其设想类似语言模型的预训练范式:用一个通用模型服务大量不同序列,而不是为每项业务分别训练 XGBoost、LSTM 或统计模型。争论集中于通用历史模式能否替代领域协变量,以及在电价、需求等受日历、天气、计划和突发事件驱动的任务中应如何融合外部知识。评论还将其与 TimeGPT(Nixtla 提供的专有时序预测产品)比较,并指出 Timestral 虽可下载权重,却采用带营收门槛的 Modified MIT 商业限制。 📌 讨论焦点 外部协变量与领域知识不可省略 质疑者认为,电力需求或电价预测若只看过去 8192 或 32768 个采样点,会输给掌握时段、节假日、天气、生产计划和停机安排的简单模型。天然气价格、能源结