论文
时间序列预测综合基准测试框架
已跟踪 2 条高相关材料
最近变化
2026-09-09 · 模型参数约3.85亿，支持8192长度上下文和99分位数概率预测
为什么值得关注
GIFT-Eval 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
IBM releases SOTA Granite Time Series PatchTST-FM-r2 model with commercial-friendly license
Hugging Face Blog · 8.5 分
IBM发布3.85亿参数的Granite Time Series PatchTST-FM-r2模型，支持零样本预测且采用Apache 2.0/OpenMDW 1.0双许可，在GIFT-Eval基准测试中位列第二。
Are scaling laws finally working for time series foundation models? Today, @datadoghq is releasing ...
clem 🤗(@ClementDelangue) · 8.5 分
Datadog 发布 Toto 2.0，首次实现时间序列基础模型的规模定律，参数从 4M 到 2.5B 均表现优于前代。
已收录 2 条与 GIFT-Eval 相关的内容，按评分排序。
IBM发布3.85亿参数的Granite Time Series PatchTST-FM-r2模型，支持零样本预测且采用Apache 2.0/OpenMDW 1.0双许可，在GIFT-Eval基准测试中位列第二。
入选理由：模型参数约3.85亿，支持8192长度上下文和99分位数概率预测
Datadog 发布 Toto 2.0，首次实现时间序列基础模型的规模定律。
入选理由：Toto 2.0 参数范围覆盖 4M 到 2.5B，每个版本均超越前代性能。
