Mistral 发布时间序列基础模型 Timestral 并开放权重

Timestral 是一系列用于概率预测的时序基础模型，包含 5M、28M、123M、209M 四种参数规模，在 GIFT-Eval、TIME 和 fev-bench 上创下新 SOTA，其中 Timestral-209M 和 Timestral-123M 在所有指标上包揽前两名。其技术核心包括 Decoupled Horizon Forecasting（DHF）、原生支持已知未来协变量的框架，以及先合成语料预训练、再真实与合成混合后训练的两阶段流程。四个模型的权重已在 Hugging Face 开放，推理代码托管于 GitHub。

Mistral 发布时间序列基础模型 Timestral，提供 5M、28M、123M 和 209M 四个参数版本，用于零样本预测，权重已在 Hugging Face 开放。209M 版采用带时间注意力和变量注意力的 patch-based transformer，共 24 层，支持单变量与多变量预测、过去型与已知未来协变量，可输入最多 32,768 个历史时间步，单次前向最多预测 1,024 步，输出 21 个分位数的概率预测；源代码已在 GitHub 开放以复现基准结果。