TiRex: Predicción de Series Temporales sin Supervisión con xLSTM

TiRex es un modelo de predicción de series temporales preentrenado y sin supervisión (zero-shot) introducido en 2025 por el equipo de NX-AI xLSTM (Auer et al.). Basado en la arquitectura Extended Long Short-Term Memory (xLSTM), TiRex se entrena a gran escala en diversos corpus de series temporales y puede predecir conjuntos de datos no vistos sin necesidad de ajuste fino (fine-tuning). Su idea central es explotar el aprendizaje mejorado en contexto (in-context learning): el modelo lee el historial completo disponible como contexto y produce predicciones para horizontes tanto cortos como largos directamente a partir de dicho contexto.