TimeGPT

Τα μεγάλα γλωσσικά μοντέλα καταδεικνύουν ότι η προεκπαίδευση σε ποικίλα δεδομένα ακολουθούμενη από μάθηση μεταφοράς υπερτερεί της εκπαίδευσης ειδικά για την εργασία. Το TimeGPT εφαρμόζει αυτό το παράδειγμα στις χρονοσειρές προεκπαιδεύοντας σε ένα τεράστιο σώμα ποικίλων χρονοσειρών από πολλαπλούς τομείς (ενέργεια, χρηματοοικονομικά, μεταφορές κ.λπ.). Το μοντέλο μαθαίνει καθολικά μοτίβα και αναπαραστάσεις εφαρμόσιμες σε όλους τους τομείς. Κατά τη διάρκεια εργασιών κατάντη, η ελάχιστη λεπτομερής ρύθμιση προσαρμόζει το μοντέλο σε συγκεκριμένα προβλήματα πρόβλεψης. Αυτή η προσέγγιση επιτρέπει τη μάθηση με λίγα παραδείγματα (few-shot learning) και ισχυρή απόδοση ακόμη και με περιορισμένα δεδομένα ειδικά για την εργασία.