零样本上手三个坑:时间戳错位、缺失值填充与预测区间误读
【免费下载链接】Timestral-209M 项目地址: https://ai.gitcode.com/hf_mirrors/mistralai/Timestral-209M
Timestral-209M 是 Mistral 开源的时间序列基础模型家族中的最大号成员,209M 参数,patch-based transformer,单次前向最多 32768 步上下文、1024 步预测、21 个分位数输出,CPU 可推理。三行代码就能跑出第一张预测图,所以绝大多数上手教程都到这里就结束了。
问题恰恰从这里开始。零样本模型的"好用"体现在它不挑数据:形状不对会自己 reshape,长度不整除会自己左补零,NaN 会被当成缺失,多变量会被联合预测。这套容错设计让第一次跑通极其顺利,也让第一份错误预测同样顺利——不报错、不告警、曲线还很好看。
本文结合 Timestral-209M 仓库里的模型卡与配置,以及官方 timestral 推理包的实际实现,拆解三个几乎每个团队都会踩、且绝大多数踩了不知道的坑:时间轴错位(模型根本没有时间戳这个概念)、缺失值填充(手写的 fillna 会系统性地毁掉归一化)、预测区间误读(21 个分位数不是置信区间,长 horizon 的区间还会结构性偏窄)。每一节都给出可直接运行的核对代码。
先看清接口:forecast() 没有时间戳这个参数
这是第一个坑的根源,值得单独摊开。
TimestralForecaster.forecast 的完整签名是:
def forecast(
self,
context, # (T,) / (B, T) / (B, V, T),NaN = 缺失
prediction_length,
observation_mask=None, # 同形状 bool,False = 额外标记为缺失
past_covariates=None, # (B, C_past, T)
known_covariates=None, # (B, C_known, T + prediction_length)
categorical_past_covariates=None,
categorical_known_covariates=None,
symmetric_averaging=True,
clip_nonnegative=True,
): ...
没有 timestamps,没有 freq,没有 freq="H" 这种参数,config.json 里也没有任何表示采样频率的字段。模型对"这一天是星期几""这一段是不是春节"完全无知,它只知道第几个 patch。
config.json 里与时间轴直接相关的三个数字:
| 字段 | 值 | 含义 |
|---|---|---|
patch_size | 32 | 每个 patch 覆盖 32 个时间步 |
context_length | 32768 | 训练上下文上限,1024 个 patch |
block_size | 32 | 单块解码 32 个 patch = 1024 步 |
位置编码由 masks.py 的 build_forecast_positions 生成:
def build_forecast_positions(context_len: int, horizon: int, first_obs: Tensor) -> Tensor:
"""(R, L+h) time positions 0..L+h-1, anchored at each row's first observed patch."""
p = torch.arange(context_len + horizon, device=first_obs.device)
return p[None, :] - first_obs[:, None]
注意 - first_obs[:, None]。位置不是从数组下标 0 开始,而是从该序列第一个有观测的 patch 开始。这个设计本身合理(避免左填充污染位置),但它意味着下面五类错误全部静默通过。
错误一:序列开头一段全 NaN,坐标系被悄悄平移
常见场景:新上线的指标,前两周没有埋点,你按日期补了整段 NaN 再送进模型。group_first_observed_patch 会跳过这些 patch,把第 3 个 patch 认作位置 0。于是模型认为你的历史只有 T - 96 步,且认为那就是序列起点。结果不会报错,只会变差,而且你无法从输出上看出它认为历史变短了。
错误二:采样粒度与 patch 覆盖的真实时间脱钩
patch_size=32 是行数,不是时间跨度。同一个 32 行的 patch,在日频数据上覆盖 32 天,在小时频数据上覆盖 32 小时,在 15 分钟频数据上覆盖 8 小时。模型学到的"节奏"是按训练分布里的行距隐式建立的,一旦你的数据被 resample().dropna() 压成不等距序列,行距就失去了时间含义。
比 resample 更隐蔽的是 dropna。原本 24 点/天的小时数据,夜间没有采集,dropna() 之后变成 12 点/天且等距——行数变少、行距翻倍,模型看到的季节周期从 24 行变成 12 行,与训练分布错位。
错误三:乱序与重复时间戳
forecast 全程不做时间单调性检查。merge_asof 写错、多源 concat 后顺序颠倒、离线特征回填覆盖了历史行,这些在 pandas 里都不会抛异常,进模型也不会。而且 scaler.py 的归一化是因果的——compute_causal_statistics 用 torch.cumsum 沿时间轴累积 Welford 状态,位置 t 只用 0..t 的观测:
w = weights.to(torch.float64)
cum_w = torch.cumsum(w, dim=-1)
cum_x = torch.cumsum(weighted, dim=-1)
means = cum_x / cum_w.clamp_min(1.0)
顺序错了,每个位置的 running mean/scale 就都错了。归一化错的后果不是"结果难看",而是"结果看起来同样合理但数值不可信"。
重复时间戳更狠:多插一行,序列长度 +1,此后所有 patch 边界整体平移一步,每一个 patch 的内容都变了。日频 3 年约 1095 步、34 个 patch,插入 5 条重复记录后,34 个 patch 全部换了内容,模型没有任何机会发现。
错误四:超过 32768 步被静默截断,季节周期直接消失
forecaster.py 的 _assemble_rows 里有一行不起眼的截断:
if rows.shape[-1] > self.max_context:
rows = rows[:, :, -self.max_context :]
mask = mask[:, :, -self.max_context :]
只保留最近的 32768 步。换算一下不同频率下的实际覆盖:
- 日频:32768 天 ≈ 89.7 年,几乎不可能触发
- 小时频:32768 小时 ≈ 1365 天 ≈ 3.74 年,3 年以上丢头部
- 15 分钟频:32768 × 15 min ≈ 341 天,一年的年周期只剩 341 天,去年同期的信息被切掉了
如果你的业务是"用两年历史预测未来 7 天",而采样是 15 分钟,那"两年历史"在模型眼里只有 341 天。这个偏差不会体现在任何日志里。上线前必须显式打印 min(T, 32768),并与业务上声称的历史长度对齐。
错误五:时区与夏令时
按秒取整做日期分桶(astype("int64") // 86400)在有夏令时的时区里会出现 23 小时或 25 小时的一天,导致某天两条记录挤进同一个桶、或某天产生一个空桶。模型对日历无感知,这类偏移只能靠上游校验拦住。
第一道闸:三行时间轴体检
在 forecast 之前插入这段检查,成本几乎为零:
import numpy as np
def check_time_axis(index, freq: str):
ts = np.asarray(index)
diffs = np.diff(ts)
assert np.all(diffs > 0), f"时间轴非严格递增,发现 {int((diffs <= 0).sum())} 处逆序/重复"
uniq = np.unique(diffs)
assert len(uniq) == 1, f"存在 {len(uniq)} 种采样间隔,最常见={np.bincount(diffs.astype('int64')).argmax()}"
print(f"[ok] freq={freq} n={len(ts)} step={diffs[0]} span={ts[-1] - ts[0]}")
三行断言分别挡住乱序、重复、不等距。真正把它们留在生产里,比任何后处理都值。
坑二:缺失值填充,模型原生支持 NaN,而你把它填掉了
这是三个坑里"努力反而有害"最典型的一个。
模型怎么处理 NaN
forecaster.py 的 _as_context 是整个链路的入口:
mask = torch.isfinite(x)
if observation_mask is not None:
user_mask = torch.as_tensor(observation_mask, dtype=torch.bool, device=self.device).reshape(x.shape)
mask = mask & user_mask
return torch.where(mask, x, torch.zeros_like(x)), mask
三个关键事实:
torch.isfinite判定缺失。所以 NaN 是缺失,±inf也是缺失,而-999、-1、0全是有效观测。observation_mask只能收窄不能放宽——mask & user_mask。你无法用 mask 把一个值"恢复"成观测。- 缺失值在数值通道被置 0,同时进入独立的 missing 通道。
PatchRepresentation 明确把两条通道拼起来:
values = scaled.reshape(r, n, self.patch_size)
missing = (~observed).reshape(r, n, self.patch_size).to(scaled.dtype)
x = torch.cat([values, missing], dim=-1)
而 scaler.py 的 apply_affine_asinh_masked 在缺失位置强制归零:
scaled = (data.to(work) - loc.to(work)) / scale.to(work).clamp_min(torch.finfo(work).eps)
scaled = scaled.masked_fill(~observation_mask, 0.0)
更关键的是归一化统计量本身是加权的:
weighted = w * x
cum_w = torch.cumsum(w, dim=-1)
increment = (x - shifted) * (x - means) * w
m2 = torch.cumsum(increment, dim=-1)
variance = m2 / torch.clamp(denominator - 1.0, min=1.0)
w 就是 observation mask。缺失位置对均值、对方差、对 Bessel 校正后的自由度贡献恰好为零。
也就是说:模型有一条完整的、经过训练的缺失处理路径。你自己 fillna 的那一刻,这条路径就失效了。
四种填法的实际后果
fillna(0):0 成为真实观测进入 cum_w、cum_x、m2。对于量级在 1e4~1e6 的序列(营收、GMV、流量),0 是极端离群点,running mean 被向下拽、variance 被向上撑。minimum_scale=1e-6 只是方差为 0 时的下限兜底,不解决被拉偏。更糟的是 missing 通道恒为 0,模型彻底失去"这里没有观测"的信号,会以完整置信度输出。
ffill():重复值被当成新观测加权进 Welford。重复观测不增加真实信息,却会压低方差估计,scale 偏小,归一化后的幅度偏大,预测被系统性放大。注意官方代码里也有 ffill_with_mask,但它只用于两处内部用途(拼接前的数值占位、类目编码的目标序列),不是给用户替代缺失标记的接口。
interpolate():杀伤力最大。它把"这里我不知道"变成"这里我很确定",missing 通道全 False,预测区间被系统性压窄——而点误差(MASE)反而可能变小。这就是最危险的情形:离线指标变好,线上区间失效。
哨兵值 -999 / -1:torch.isfinite 认为有效,直接当成真实观测。这是四种里最隐蔽的,因为连"看起来像缺失"的迹象都没有。
反过来,inf 会被识别为缺失,这算一条"意外安全"的路径,但别依赖它——_forecast_raw 末尾的 NaN 检查才是最后一道护栏:
if torch.isnan(quantiles).any():
raise ValueError(f"forecast produced {int(torch.isnan(quantiles).sum())} NaN values; the input is degenerate")
它只保证"预测结果不是 NaN",不保证"输入污染被发现了"。输入被填成 0 的序列不会触发它。
恒值段的风险:minimum_scale 兜不住
config.json 里 minimum_scale: 1e-6。当一段 context 内观测值全部相同(传感器卡死、全 0 填充、整段 ffill),variance = 0,scale 被 clamp 到 1e-6,归一化变成 (x - loc) / 1e-6。虽然前向有 asinh 压缩(use_asinh: true),但数值仍然巨大;反归一化时 sinh 会把它放大回去。clamp_nonfinite 只把 ±inf 映射到最近的有限值,NaN 被刻意保留——设计意图是让真实的不稳定暴露出来,但这也意味着恒值段可能产出"有限的、看起来正常的、完全无意义的"分位数。
一个容易被忽略的细节:中间空洞不是被跳过
masks.py 的 compute_enc_key_validity 决定了哪些 patch 能作为注意力 key:
def compute_enc_key_validity(obs_per_patch: Tensor, attend_missing: bool) -> Tensor:
if not attend_missing:
return obs_per_patch
started = obs_per_patch.cummax(dim=-1).values
return obs_per_patch | started
config.json 里 attend_missing_patches: true。含义是:开头一段全缺失的 patch 永远不是有效 key(左填充被挡住),但序列中间整段缺失的 patch,因为 started 已为 True,仍然被判为有效 key,其数值通道是 0。
后果很实际:把一条含 7 天长空洞的序列一次性喂进去,和把它切成两段分别预测再拼起来,结果不一样。前者让模型在注意力里看到一个值为 0 的"观测",后者没有。这个差异没有文档、没有告警,但会真实影响区间宽度。
协变量的两个附加陷阱
指示变量自动识别。instance_norm_stats 里有这样一段:
is_zero_one = ((values == 0.0) | (values == 1.0) | ~observation_mask).all(dim=-1, keepdim=True)
is_binary = is_zero_one & observation_mask.any(dim=-1, keepdim=True)
loc = torch.where(is_binary, torch.zeros_like(loc), loc)
scale = torch.where(is_binary, torch.ones_like(scale), scale)
全 0/1 的 known-future 协变量行会跳过 asinh,走 loc=0, scale=1。这很贴心——但注意 ~observation_mask 也算满足条件。如果你把促销标志的缺失填成 0,这一行依然是"全 0/1",依然被识别成 indicator,伪造的 0 不会被惩罚,反而看起来完全正常。
类目协变量的目标编码依赖填充后的上下文。covariate_encoding.py 的 target_encode 用平滑均值编码,缺失自成一类,未见类别映射到序列均值;而 _encoding_target 只在单变量目标时启用,多变量目标直接喂原始 code:
def _encoding_target(self, inputs: Tensor, mask: Tensor) -> Tensor | None:
if inputs.shape[1] != 1:
return None
也就是说:单变量时你得到的是编码后的稠密数值,多变量时是原始类别码。同一个 categorical_past_covariates 参数,语义随目标变量个数变化。这一点在迁移已有 pipeline 时极易踩。
坑三:21 个分位数不是置信区间
config.json 的 quantile_knots 是这 21 个值:
0.01, 0.05, 0.1, 0.15, 0.2, 0.25, 0.3, 0.35, 0.4, 0.45, 0.5,
0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95, 0.99
误读一:节点的间距不等,区间级别要对准
两端加密:0.01 → 0.05 间隔 0.04,中间每 0.05 一档,0.95 → 0.99 又是 0.04。所以:
- 80% 区间 =
[q0.1, q0.9] - 90% 区间 =
[q0.05, q0.95]← 大多数人想取的那个 - 98% 区间 =
[q0.01, q0.99]
把 q0.1 到 q0.9 叫作"90% 置信区间"是最常见的口径错误,实际只有 80%。好消息是节点对称(0.01+0.99=1、0.05+0.95=1),symmetric_averaging 的断言正是在校验这个:
assert all(abs(lo + hi - 1.0) < 1e-9 for lo, hi in zip(levels, reversed(levels)))
坏消息是不能插值。quantile(level) 只接受精确节点:
def quantile(self, level: float) -> Tensor:
if level not in self.quantile_levels:
raise ValueError(f"level {level} is not one of {self.quantile_levels}")
return self.quantiles[..., self.quantile_levels.index(level)]
传 0.025 会直接抛错,想要 95% 区间只能自己从 quantiles 张量里按索引取,不能靠 np.percentile 二次插值——插值会破坏 monotone_quantiles 保证的单调性,让区间在某些 horizon 上出现负宽度。
误读二:这是预测分布的分位数,不是参数的置信区间
point forecast 的 90% 分位区间回答的是"未来观测落在该区间的概率是 90%",含过程噪声;置信区间回答的是"真实条件均值落在该区间的概率是 90%",不含过程噪声。把前者当后者,会得出"下个月的均值有 90% 概率在这个范围内"这种过度自信的结论。
误读三:分位数是"构造"出来的,宽度不是独立判断
model.py 的 monotone_quantiles 只让中位数自由,两侧用累积和展开:
inc = width_factor * widths_t * nn.functional.softplus(raw)
median = raw[..., m : m + 1]
up = torch.cumsum(inc[..., m + 1 :], dim=-1)
down = torch.flip(torch.cumsum(torch.flip(inc[..., :m], dims=[-1]), dim=-1), dims=[-1])
return torch.cat([median - down, median, median + up], dim=-1)
width_factor 就是 config.json 里的 quantile_width_factor: 3.0。21 条线由一个隐藏通道经 softplus + 累加生成,非交叉是结构性保证的,而不是 21 个独立预测头互相"投票"的结果。所以不要把 q0.99 - q0.01 的展宽理解成"模型对尾部风险的独立判断"——它是同一个参数化族里连续外推出来的。尾部跳变很快时,这种构造会低估极端尾部。
误读四:两个默认开启的后处理会改变区间形状
forecast 的 symmetric_averaging 和 clip_nonnegative 默认都是 True。
对称平均会再跑一遍 -context(协变量一并取负),把第二次预测取负并把 quantile 轴翻转后与第一次平均:
mirrored = self._forecast_raw(-inputs, mask, prediction_length, **mirrored_covariates)
quantiles = 0.5 * (quantiles + (-mirrored).flip(-1))
这是一次 TTA 集成。好处是降低方向性偏置,代价是输出不再是"单一模型的分布",而是对称化后的分布,区间形状会变。做 A/B 或复现论文数值时,必须显式传入 symmetric_averaging=False 才能比较原始输出。
非负截断更值得警惕:
eligible = nonnegative_context(inputs, mask)
quantiles = torch.where(eligible[..., None, None], quantiles.clamp_min(0), quantiles)
只要观测到的 context 全为非负,所有分位数下界被硬截到 0。于是 q0.01、q0.05、q0.1 可能同时等于 0。此时"P(Y < q0.01) = 1%"不再成立——概率质量被堆在了 0 这个边界上。业务方看到"下限是 0",很容易读成"跌破 0 的概率只有 1%",而真相是"模型被禁止输出负值"。
误读五:长 horizon 的区间结构性偏窄
这是三个坑里唯一无法靠调参解决的,因为它是架构决定的。
_block_ar_decode 在 prediction_length > 1024 时按块解码,每块之间只回灌中位数:
feedback = replace_extreme_values(quantiles[..., self.median_index], self.extreme_value_threshold)
回灌的是点估计,不是分布。第二块看到的是"第一块的均值",而不是"第一块的不确定性集合"。因此跨块的自回归误差累积完全不会体现在第二块的区间宽度里。默认 per_shot_horizon_patches=32,即 32 个 patch = 1024 步一块,预测 2048 步就会发生一次这样的回灌。
结论很直接:horizon 越长,分位数区间相对真实不确定性的低估越严重。用 90% 分位做备货、做容量规划时,这个偏差方向是危险的一侧(备货不足),必须用滚动回测去校准,而不能直接相信模型给出的宽度。
顺带一提,per_shot_horizon_patches 不是纯性能参数。把它调小会改变块划分和回灌次数,输出随之变化——不要用它来"提速",除非你接受结果不再可比。
指标也要对齐:别用 MASE 挑概率模型
模型卡同时给出 MASE 和 CRPS:
| Benchmark | Metric | 209M | 123M | 28M | 5M |
|---|---|---|---|---|---|
| GIFT-Eval | MASE ↓ | 0.658 | 0.659 | 0.678 | 0.705 |
| GIFT-Eval | CRPS ↓ | 0.446 | 0.448 | 0.461 | 0.479 |
| TIME | MASE ↓ | 0.626 | 0.628 | 0.638 | 0.652 |
| TIME | CRPS ↓ | 0.522 | 0.525 | 0.534 | 0.545 |
| fev-bench | SQL skill ↑ | 50.39 | 50.18 | 48.42 | 46.19 |
| fev-bench | MASE skill ↑ | 39.49 | 39.19 | 37.27 | 34.54 |
两个值得注意的事实。第一,MASE 只衡量点预测,CRPS 才是概率预测的 proper scoring rule。既然你要用分位数,选型就应该看 CRPS 而不是 MASE。第二,从 123M 到 209M,参数量增加约 70%,GIFT-Eval 的 MASE 只从 0.659 降到 0.658,CRPS 从 0.448 降到 0.446。如果部署环境是 CPU 且要控延迟,123M 在多数场景下的性价比高于 209M;209M 的优势集中在 fev-bench 那种带协变量的多任务设定上(SQL skill 50.39 vs 50.18)。这个观察比"最大的就是最好的"有用得多。
另外,模型权重是 Modified MIT,不是纯 MIT:LICENSE 第 8 条把"公司(或雇主)上一自然月全球合并月营收超过 2000 万美元"作为行使许可权利的前置条件,并明确该限制覆盖衍生作品与组合作品。社区里把它简写成"MIT 开源可商用"是不准确的,做合规评估时以仓库里的许可证原文为准。
自查清单:上线前必须打印的四个中间量
四个量,一段脚本,跑完再发版。关键是 _as_context 之后、截断与补齐之后的真实状态,而不是你以为的输入。
import torch
from timestral import TimestralForecaster
from timestral.forecaster import pad_to_patch
def audit(f: TimestralForecaster, context, prediction_length: int = 96):
ps = f.patch_size
inputs, mask = f._as_context(context, None) # 调试用:拿到真实 mask
b, v, t_raw = inputs.shape
# ---- 量 1:真实进模型的 T、补齐长度、块数 -------------------------
rows, m = inputs.reshape(b * v, t_raw), mask.reshape(b * v, t_raw)
n_ctx = min(t_raw, f.max_context) # 32768 截断在这里发生
rows_t = rows[..., -n_ctx:]
m_t = m[..., -n_ctx:]
rows_p, m_p = pad_to_patch(rows_t, m_t, ps)
n_patch = rows_p.shape[-1] // ps
print(f"[1] raw_T={t_raw} ctx_T={n_ctx} padded_T={rows_p.shape[-1]} "
f"patches={n_patch} blocks={-(-prediction_length // (ps * f.per_shot_horizon_patches))}")
if t_raw > f.max_context:
print(f" WARNING 上下文被截断,丢弃 {t_raw - f.max_context} 步最早的历史")
# ---- 量 2:缺失覆盖率、首观测位置、最长空洞 -----------------------
obs = m_p[0]
ratio = 1.0 - obs.float().mean().item()
per_patch = obs.unflatten(-1, (n_patch, ps)).any(-1)
first_obs = int(per_patch.int().argmax()) if per_patch.any() else -1
holes = _longest_run(~per_patch)
print(f"[2] missing_ratio={ratio:.2%} first_obs_patch={first_obs} "
f"leading_empty_patches={first_obs if first_obs > 0 else 0} longest_gap_patches={holes}")
if first_obs > 0:
print(f" WARNING 位置编码锚定在 patch {first_obs},模型认为历史短了 {first_obs * ps} 步")
if holes >= 1:
print(f" NOTE 中间空洞因 attend_missing_patches=true 仍作为 0 值 key 参与注意力")
# ---- 量 3:anchor 帧的 loc/scale 与 asinh 后的极值 ----------------
_, loc, scale = f.model.scale(rows_p, m_p) # 因果 per-patch 归一化
anchor_loc, anchor_scale = loc[:, -1], scale[:, -1] # 最后一个 context patch
print(f"[3] anchor_loc={anchor_loc[:3].tolist()} anchor_scale={anchor_scale[:3].tolist()}")
if (anchor_scale <= f.config.minimum_scale * 1.001).any():
print(f" WARNING scale 触底 minimum_scale={f.config.minimum_scale},疑似恒值段或过度填充")
# ---- 量 4:分位数单调性与区间宽度随 horizon 的走势 ----------------
fc = f.forecast(context, prediction_length=prediction_length)
q, lv = fc.quantiles, fc.quantile_levels
d = (q[..., 1:] - q[..., :-1]).min().item()
lo, hi = lv.index(0.05), lv.index(0.95) # 90% 区间
w = (q[..., hi] - q[..., lo])[0, 0]
probes = [i for i in (0, 31, 95, len(w) - 1) if i < len(w)]
print(f"[4] min_quantile_step={d:.3e} (>=0 才单调) width@90%={[round(w[i].item(), 4) for i in probes]}")
if d < 0:
raise AssertionError("分位数交叉,输入或 dtype 有问题")
if len(probes) > 1 and w[probes[-1]] <= w[probes[0]]:
print(" NOTE 区间未见展宽,长 horizon 大概率被中位数回灌低估")
return fc
def _longest_run(flags: torch.Tensor) -> int:
best = cur = 0
for f_ in flags.tolist():
cur = cur + 1 if f_ else 0
best = max(best, cur)
return best
四个量分别对应三个坑:
- 量 1 抓截断与补齐。
ctx_T与业务声称的历史长度不一致时立刻停手,尤其 15 分钟频和小时频。 - 量 2 抓时间轴。
leading_empty_patches > 0说明位置编码已经偏移;longest_gap_patches >= 1说明存在以 0 值占据注意力的中间空洞。 - 量 3 抓填充。
anchor_scale触到minimum_scale是最强的信号:要么序列真的恒定,要么你在用 constant / ffill 把缺失填成了"高置信度的常数"。 - 量 4 抓区间。
min_quantile_step < 0属于硬错误(monotone_quantiles保证不该出现,出现就是 dtype 或数值溢出);宽度不随 horizon 展宽则是结构性低估的征兆,需要用滚动回测校准分位数,而不是直接上线。
再补两条不需要脚本的约定:
- 缺失一律用
np.nan表达,绝不使用-999、-1、0之类哨兵值。torch.isfinite只认 NaN 和 inf。 - 需要"预测 1024 步以上"时,先确认
symmetric_averaging=False的基线是什么样,再用默认值对比。两个默认开关都会改变区间形状,混在一起排查会浪费很多时间。
结语
Timestral 的工程完成度很高:因果归一化、asinh 压缩、加权 Welford、非交叉分位数、advancing_block_frames 的逐 patch 反归一化,这些都是认真做过的设计。也正因为容错做得太好,错误输入的后果从"报错"变成了"能出图"。
零样本的门槛低到三行代码,但可靠性的门槛没有跟着降低。它依然要求你把三件事做对:时间轴必须是严格单调、等距、且在 32768 步预算内的真实时间;缺失必须是 NaN,而不是任何形式的填充;分位数是预测分布的分位数,长 horizon 的宽度需要独立校准。这三件事没有一件能靠换更大的模型解决,而每一件都可以用几十行代码验证。
【免费下载链接】Timestral-209M 项目地址: https://ai.gitcode.com/hf_mirrors/mistralai/Timestral-209M
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考



