เปรียบเทียบวิธี

	Time-MoE: แบบจำลองพื้นฐานอนุกรมเวลาแบบผสมผสานผู้เชี่ยวชาญ (Mixture-of-Experts)	Chronos: แบบจำลองพื้นฐานแบบโทเค็นสำหรับการพยากรณ์อนุกรมเวลา
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2024	2024
ผู้ริเริ่ม	Xiaoming Shi et al.	Abdul Fatir Ansari et al. (Amazon)
ประเภท	Sparse mixture-of-experts autoregressive foundation model	Pre-trained language-model-based time-series forecaster
แหล่งต้นตำรับ	Shi, X., Wang, S., Nie, Y., Li, D., Ye, Z., Wen, Q., & Jin, M. (2024). Time-MoE: Billion-scale time series foundation models with mixture of experts. ICLR 2025.	Ansari, A. F., Stella, L., Turkmen, C., Zhang, X., Mercado, P., Shen, H., et al. (2024). Chronos: Learning the language of time series. Transactions on Machine Learning Research.
ชื่อเรียกอื่น	Time Mixture-of-Experts, Time-MoE Foundation Model, Sparse Time-Series Transformer, Zaman Karışık Uzmanlar Modeli	Chronos Forecasting Model, Amazon Chronos, Tokenized Time-Series LLM, Kronos Zaman Serisi Modeli
ที่เกี่ยวข้อง	3	2
สรุป	Time-MoE is a billion-scale autoregressive foundation model for universal time-series forecasting, introduced by Shi et al. in 2024 and accepted at ICLR 2025. It combines a decoder-only transformer architecture with sparse Mixture-of-Experts (MoE) feed-forward layers, enabling the model to scale to billions of parameters while activating only a small subset of expert networks per token—dramatically increasing capacity without proportional compute cost.	Chronos is a family of pre-trained probabilistic forecasting models introduced by Ansari et al. at Amazon in 2024. It adapts the language-model paradigm to time series by quantizing continuous values into discrete tokens, enabling a standard transformer to be trained on a large heterogeneous corpus of time-series data. The result is a zero-shot forecasting model that generalizes across domains without requiring dataset-specific retraining.