统一零样本时间序列预测：Darts 基础

arXiv:2606.27438v1 公告类型：new 摘要：自 2020 年首次发布以来，Darts 已成为广泛使用的用于时间序列分析的开源 Python 库。最近，一系列基础模型声称零样本预测的准确性得到了提高，有望实现从训练自定义模型到利用预先训练的通用预测器的范式转变。然而，基础模型通常作为独立的包发布，具有分散的接口，并且与通用工具的互操作性有限，这使得在完整管道内进行联合评估和集成变得困难。在 Darts 中，我们开发了一个统一的 $\texttt{FoundationModel}$ 类集合（Chronos-2、TimesFM 2.5、TiRex、PatchTST-FM），它提供标准化的全周期预测接口，具有最小的外部依赖性，用于将基础模型集成到生态系统中。 Existing Darts pipelines can now use foundation models with only a name change;新的管道可以使用它们进行零样本或微调预测、不确定性估计和回溯测试，并结合数据处理和评估工具，所有这些都在统一的框架内。