Подробный разбор · Около 5 мин чтения
Granite объединяет четыре прогнозные модели, но неопределённость ещё нужно проверять
Рецепт IBM упрощает выбор модели; небольшой выигрыш точечной ошибки и разные вероятностные результаты требуют отдельных проверок.
- Опубликовано здесь
- Дата источника
- Источник проверен
В статье от 22 октября IBM Research представила ансамбль Granite для временных рядов из четырёх предобученных моделей. Есть вероятностный вариант с равным влиянием и адаптивный IQR без переобучения и подгонки весов агрегации. Это результаты IBM, а не испытания AISubHub.
Слушать новости
Прослушайте эту статью или включите новости подряд.
Подготовка чтения…
Голос устройства
Речь обрабатывает браузер или устройство. AISubHub не отправляет текст в аудио-API. Доступные голоса и работа при заблокированном экране зависят от устройства.
При продолжении короткая фраза может повториться.
Кратко
- Рецепт загружает четыре контрольные точки при инференсе, а не сливает веса в единую модель.
- На 97 конфигурациях MASE у Prob составляет 0.683 против 0.685 у PatchTST-FM-r2, но у отдельной r2 ниже агрегированная CRPS/MWQL.
Четыре архитектуры остаются четырьмя работающими моделями
Предобучение не отменяет выбора под задачу: плавный промышленный сигнал и нерегулярный спрос могут требовать разных архитектур. IBM объединяет Granite PatchTST-FM-r1 — Transformer с патчами, PatchTST-FM-r2 — Conformer с патчами, FlowState-r1.1 — модель пространства состояний и TTM-r3 — Tiny Time Mixers с MLP-миксером. Общий интерфейс квантилей позволяет агрегировать прогнозы, не выбирая заранее одного участника. Разнообразие мотивирует проверять взаимодополняющие ошибки, но не доказывает их независимость.
Скачиваемый рецепт хранит конфигурацию вместо объединённых весов и при запуске загружает четыре контрольные точки. Первый запуск требует дополнительных загрузок. В примере используются Granite TSFM 0.3.11 или новее, контекст из 1024 наблюдений и прогноз на 24 шага: это параметры примера, не универсальные пределы. Выход включает точечный прогноз (медиану) и обычно квантили от 0.1 до 0.9. Интервал между 0.1 и 0.9 имеет номинальное покрытие 80%; фактическое покрытие нужно измерять.
Объединение вероятностей и взвешивание разброса различаются
Рекомендуемый Probabilistic Ensemble даёт участникам равное влияние, объединяет прогнозы в пространстве вероятностей и извлекает нужные квантили из итогового распределения. Это нельзя упрощать до среднего четырёх чисел на каждом уровне квантиля. Фиксированное влияние устраняет подгонку весов и настройку соответствующих гиперпараметров для каждого нового ряда. Но проверять, отражает ли итоговое распределение неопределённость приложения, всё равно необходимо.
IQR приближает межквартильный размах участника доступными квантилями, ближайшими к 25-му и 75-му процентилям. Более узкие интервалы получают большее влияние отдельно для образца, цели и шага горизонта. Ни один метод не подгоняет веса по историческим ошибкам прогноза. IQR использует изотоническую регрессию против пересечения квантилей; повышение температуры приближает веса к равным, а необязательный предел ограничивает одного участника. Узость может означать излишнюю уверенность, поэтому не доказывает точность или хорошую калибровку.
Метрики не выбирают одного победителя
IBM сообщает об оценке без дообучения на 97 конфигурациях GIFT-Eval; тестовые целевые значения не использовались для выбора или подгонки агрегации. Значения и ранги взяты на 20 октября 2026 года. MASE оценивает точечную ошибку, CRPS/MWQL соответствует mean_weighted_sum_quantile_loss бенчмарка. Значения нормализованы относительно Seasonal Naive и усреднены геометрически. У Prob, IQR и PatchTST-FM-r2 MASE равна 0.683, 0.684 и 0.685, средние ранги MASE — 47.175, 48.773 и 51.371. Меньше лучше. Разница 0.002 с лучшим отдельным участником мала и не устанавливает статистическую значимость.
Агрегированная CRPS/MWQL у Prob и IQR одинаково 0.471, у PatchTST-FM-r2 — лучшее 0.467. Средние ранги CRPS в том же порядке составляют 50.948, 47.619 и 48.918. Поэтому IQR имеет лучший средний ранг CRPS среди трёх, а отдельная r2 — лучшую агрегированную вероятностную ошибку. Средний ранг описывает относительные позиции по конфигурациям, а не целое место в общем рейтинге. Одинаковые округлённые оценки тоже не означают одинаковое поведение на каждом наборе. Выбор зависит от нужного свойства ошибки и неопределённости.
Отфильтрованная диаграмма не равна всему рейтингу
Сравнение отбирает системы с кодом воспроизведения и без заявленной утечки тестовых данных; исключены дообученные записи и известные непермиссивные лицензии или зависимости участников. Ранги взяты из полного снимка без пересчёта после фильтрации. Среди исключённых есть более сильные результаты. Диаграмма не доказывает лидерство Granite во всём рейтинге или безусловное место в мировой тройке. Добавление записей также может менять средние ранги.
Анализ AISubHub: сравнивайте Prob, IQR и сильного отдельного участника на одинаковых исторических окнах, используя только сведения, доступные в момент начала прогноза. Согласуйте горизонт и целевые ряды с реальной задачей, измерьте точечную ошибку и квантильную потерю. Сопоставьте эмпирическое покрытие интервала 0.1–0.9 с номинальными 80%. Затем решайте, оправдывает ли небольшой агрегированный выигрыш эксплуатацию четырёх моделей вместо одной.
Развёртывание и лицензия остаются частью решения
Текущий рецепт прогнозирует каналы независимо, не используя межканальную информацию. Четыре контрольные точки увеличивают время инференса и память относительно одного участника. Ограничения контекста, горизонты, предобработка и работа с пропусками различаются. Ни одна агрегация не гарантирует калибровку или устойчивость при сдвиге распределения. После внедрения нужно продолжать отслеживать реальные ошибки и покрытие; уверенно выглядящий узкий интервал не заменяет измерение.
IBM описывает рецепт и стандартных участников Granite как имеющих разрешительные лицензии. Расширенные рецепты могут включать контрольные точки только для исследований или некоммерческого использования, поэтому общее разрешение на любую комбинацию из этого не следует. Совместимость, лицензию, задержку и память следует проверять вместе. Мы прочли статью и необходимые архитектурные и рейтинговые рисунки, но не выполняли код и независимо не изучали связанные исследования, карточки или notebooks. Это анализ проверяемой отправной точки, не подтверждённый производственный сервис, цена или право по личной подписке.
Почему это важно
Анализ AISubHub: общий интерфейс может упростить первоначальный выбор архитектуры. Целесообразность четырёх моделей зависит одновременно от локальной ошибки, покрытия интервалов, времени и памяти.
Ограничения и доступность
Основание — статья IBM и необходимые схемы, включая снимок рейтинга от 20 октября. Мы не запускали рецепт, не воспроизводили результаты и независимо не читали связанные статьи, карточки моделей и notebooks. Общие гарантии калибровки, стоимости или лицензии расширенных рецептов не установлены.
Источники и подтверждения
Дата источника: · Источник проверен:
Материалы подготовлены с помощью ИИ и сверены с указанными первоисточниками. Заявления поставщиков атрибутированы; публикация не означает рекомендацию.