TiRex : prévision de séries temporelles sans apprentissage préalable (zero-shot) avec xLSTM

TiRex est un modèle pré-entraîné de prévision de séries temporelles sans apprentissage préalable (zero-shot), introduit en 2025 par l'équipe NX-AI xLSTM (Auer et al.). Construit sur l'architecture Extended Long Short-Term Memory (xLSTM), TiRex est entraîné à grande échelle sur divers corpus de séries temporelles et peut prévoir des jeux de données inédits sans aucun réglage fin (fine-tuning). Son idée centrale est d'exploiter l'apprentissage amélioré en contexte (in-context learning) : le modèle lit l'historique disponible dans son intégralité comme contexte et produit des prévisions pour des horizons courts et longs directement à partir de ce contexte.