TiRex: پیش‌بینی سری‌های زمانی با یادگیری صفر-شات با استفاده از xLSTM

TiRex یک مدل از پیش آموزش‌دیده برای پیش‌بینی صفر-شات سری‌های زمانی است که در سال ۲۰۲۵ توسط تیم xLSTM شرکت NX-AI (Auer و همکاران) معرفی شد. TiRex که بر اساس معماری حافظه طولانی-کوتاه توسعه‌یافته (xLSTM) ساخته شده است، در مقیاس بزرگ بر روی مجموعه‌های متنوعی از سری‌های زمانی آموزش دیده و می‌تواند بدون هیچ‌گونه تنظیم دقیق، مجموعه‌داده‌های دیده نشده را پیش‌بینی کند. ایده اصلی آن بهره‌برداری از یادگیری درون-متنی پیشرفته است: مدل کل تاریخچه موجود را به عنوان یک زمینه می‌خواند و پیش‌بینی‌هایی را برای افق‌های کوتاه و بلند مستقیماً از آن زمینه تولید می‌کند.