Timer-XL 时序大模型论文入选 ICLR 2025，通用与时序场景性能均达到领先水平

最新推荐文章于 2025-05-19 15:30:01 发布

转载最新推荐文章于 2025-05-19 15:30:01 发布 · 943 阅读

CC 4.0 BY-SA版权

原文链接：https://mp.weixin.qq.com/s?__biz=MzU4NjU4NTUxNA==&mid=2247502006&idx=1&sn=954d25457cf89721ab10b735cd308441&chksm=fcf196c63d36b217833e46325eda9442e5d991e501f26fc193c5a7970e4d0aa5d914d27d599e&scene=126&sessionid=0

自研时序大模型成果论文入选国际顶会，多场景预测性能实现突破。

之前，我们发布了时序数据库 IoTDB 团队自研的 Timer-XL 时序大模型，可以有效地为异常检测、数据填补、时序预测等时序数据场景提供解决方案。该模型已经内置在 IoTDB 的智能分析节点 AINode 中，用户能够非常方便地进行调用。

Timer-XL 时序大模型的论文成果：Timer-XL: Long-Context Transformers For Unified Time Series Forecasting（《Timer-XL：用于时间序列统一预测的长上下文 Transformer 模型》）已经被公认的深度学习领域国际顶级会议之一，ICLR 2025（The International Conference on Learning Representations，国际学习表征会议）收录，标志着 Timer-XL 模型在技术设计及预测效果上的领先性获得权威认可。

针对长上下文时序预测问题，本篇论文提出了时序注意力机制，基于 Decoder-Only Transformer 进行多维时序数据的下一词预测，通过对预测上下文的统一建模，在单变量、多变量以及协变量等任务中取得了性能提升，并进一步通过大规模预训练构建了 Timer-XL 时序大模型，在零样本预测中取得了更好效果。

ICLR 官网收录论文

01	Timer-XL 的基础：Transformer 模型
02	Transformer 的时序预测局限
03	Timer-XL 优化：通用、灵活、可扩展
04	Timer-XL 预测效果：多类场景领先

Timer-XL 的基础：Transformer 模型

Transformer 已成为自然语言、图像、视频等领域的基础模型。除了与日俱增的训练规模，基础模型的上下文长度也是重要能力指标。面向自然语言处理，它是上下文学习（ICL），检索增强生成（RAG），以及思维链（CoT）等涌现能力的基础；在视觉领域，长上下文模型能够支持更高分辨率、更长时间的生成任务。

针对时序预测设计的 Transformer 层出不穷，以往工作普遍关注长期未来预测，然而，可靠预测依赖于对历史序列的长期观测，以及对外生因素的充分捕捉。因此，提升模型的长上下文预测能力至关重要。

我们首先分析了 Transformer 的仅编码器（Encoder-Only）和仅解码器（Decoder-Only）架构在长上下文预测任务中的表现。

深度预测模型在长上下文任务中的预测误差：

PatchTST 对应 Encoder-Only Transformer，Timer-XL 对应 Decoder-Only Transformer

实验表明：Decoder-Only Transformer 能够更好地支持时序预测上下文长度的有效扩展。此外，基于该架构在处理不同序列长度时的上下文灵活性，我们有望突破以往“一事一议”的设计思路，构建一个支持多种预测场景的通用模型。

（左）架构对比；（右）下一词预测

受自然语言建模启发，我们将下一词预测任务扩展至多维时序数据；提出多维时序注意力机制（TimeAttention），在保证时序单元（Token）因果关系的同时捕捉跨序列（变量）的依赖关系；基于并行化的下一词预测监督信号，训练上下文（时序/变量）可变的预测模型。

效果方面，我们所提出的模型在单变量，多变量，带协变量的有监督预测任务中取得了性能提升；通过在 2600 亿时间点进行预训练，模型取得了领先的零样本预测效果。

Transformer 的时序预测局限

PatchTST 提出分块（Patch）时序单元，在捕捉长期时序变化时具备明显优势。为弥补通道独立（Channel Independence）对多变量关联的建模不足，iTransformer 将多变量时序数据的每个变量视作独立单元，在进行多维时序预测时效果优良。后续 TimeXer，UniTST 等模型从时序单元和注意力机制出发，能够同时进行序列内和序列间时序建模。

然而，上述工作主要聚焦长期时序预测。在长上下文预测任务中，我们发现：相比于广泛采用的 Encoder-Only 架构，维持因果性质的 Decoder-Only 架构在长上下预测中效果更好。然而，多维时间序列中同时存在序列内以及跨序列的时序依赖，依靠 Transformer 的原生掩码注意力机制难以进行有效建模。

面向时序数据设计的不同 Transformer 能力对比

Transformer 是否能有效建模时序数据一直是领域热点问题。一方面，单一的评测基准制约了模型创新；另一方面，在小规模数据上 XGBoost，MLP 等轻量模型往往能取得更加优异的效果，而 Transformer 等深度模型的数据需求和调优难度往往更大。

在此趋势下，最近研究旨在构建时序大模型：无需在特定任务上进行训练，预训练模型提供开箱即用的预测能力，如谷歌的 TimesFM，亚马逊的 Chronos 以及 Saleforce 的 Moirai 系列模型。

模型效果与数据规模息息相关

我们基于此前自研的时序大模型 Timer 构建了 Timer-XL 模型，主要扩展了模型的上下文长度，增强对预测任务的通用适配性，以及在规模上验证了时序模型的扩展定律。

Timer-XL 优化：通用、灵活、可扩展

下一词预测（Next Token Prediction）一直是大语言模型的主流训练目标之一，其核心在于训练时并行优化在多个位置上的自回归预测信号，推理时，模型可基于不同的上下文长度进行预测。我们将该范式首次扩展到多变量时间序列：

如下图（b）所示，基于分块（Patching）后的二维时间序列单元，每个位置的下一词预测不仅依赖于该序列的历史变化（时序因果性），还依赖于相关变量的外生关联，这为 Transformer 建模多维时序数据带来了新的问题。

多变量时序预测中的序列内与序列间时序关联

为了解决上述问题，本工作提出一种适配多维时序数据的自注意力掩码机制。如下图所示，我们将多变量数据的下一词预测时序依赖进行可视化。在多变量时序预测任务中，假设所有变量之间都存在互相关联，上述关联图表示为全 1 邻接矩阵，通过引入 Kronecker 积，对下三角掩码矩阵进行分块扩展，上述张量乘积的结果恰好为多变量时序关联所需的注意力掩码。

TimeAttention 将多变量时序关联解耦为变量关联图与时序因果掩码

类似地，在提供先验变量关联的情况下（例如带协变量的时序预测），通过定制变量关联图，上述掩码机制能够泛化到其他预测场景中。因此，TimeAttention 可形式化为：

其中是在 Transformer 各层前向传播的时序单元编码，其中，时序单元的自注意力分数计算方式如下：

上述计算过程使用旋转位置编码（RoPE）规避 Attention 机制在时间维的置换不变性（Permutation-Invariance），并使用注意力位置偏置（ALiBi）赋予内生变量与外生变量不同的可学习权重。此外，TimeAttention 在变量维保持了排列不变性（Permutation-Equivalence）。

多变量时序预测中的时序因果性与变量等价性

Timer-XL 采用 Patch Token 作为基本时序单元，将多维时间序列展平为一维 Token 序列，使用 TimeAttention 进行通用时序建模，最终获得每个位置的上下文表征，以进行下一词预测。受益于 Decoder-Only 结构的上下文长度可变性，Timer-XL 可以支持多种预测任务。

Timer-XL 模型结构

Timer-XL 预测效果：多类场景领先

我们从通用时序预测模型和时序大模型两个角度，评估了 Timer-XL 模型的预测效果。

(1) 通用时序预测

我们在多项时序预测场景中，对多类深度预测模型进行有监督训练，与 Timer-XL 对比模型包括 UniTST（2024）、iTransformer（2023）、DLinear（2023）、PatchTST（2022）、TimesNet（2022）、Stationary（2022）、Autoformer（2021）等。

为避免过度调参，实验基于 Timer-XL 的上下文灵活性，在每个数据集上只训练一个模型，基于滚动预测进行多种预测长度下的效果评估。

Timer-XL 在多变量预测中取得了更好的平均结果，证明了其无需针对不同预测长度分别训练，也能够获得高准确性预测结果的能力。

多变量时序预测，多个预测长度下的平均效果

此外，在单变量预测、自动站时空预测、协变量预测以及多变量预训练等预测场景中，Timer-XL 相较主流深度预测模型均取得了性能提升。

单变量长上下文预测：相比 PatchTST，Timer-XL 模型更适配上下文场景

时空预测：Timer-XL 模型预测效果达到了 SOTA 水平（State-of-the-Art，在该领域当前达到的最佳性能水平）

协变量预测：Timer-XL 表现优于 SOTA 水平的专门化模型

多变量预训练：Timer-XL 基于万亿大规模工业物联网领域的时序数据集进行预训练，因此具有更强的泛化性能，可以在训练集之外的数据集保持高可靠性

其余预测场景实验结果

(2) 零样本时序预测

我们使用 UTSD，LoSTA 等公开时序数据针对 Timer-XL 和其他时序大模型进行了大规模预训练，在零样本预测任务（使用预训练模型在分布外数据上直接预测）中进行对比。与 Timer-XL 对比的时序大模型包括 Time-MoE（2024）、Moiria（2024）、Chronos（2024）、Moment（2024）、TimesFM（2023）。

因为预训练规模以及上下文长度的增长，Timer-XL 的零样本预测效果相较其他模型取得了显著提升，说明 Timer-XL 模型的特征提取能力和泛化使用能力都非常强大，也验证了时序模型的规模定律。