/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
time_moe · MoE
Опубликована
21 сен 2024

TimeMoE-200M

Генерация текстаТекст → текст4 профессии

Модель Time-MoE с архитектурой смеси экспертов для прогнозирования будущих значений временных рядов.

4 405скачиваний за 30 дней15лайковвеса обновлены22 окт 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Maple728/TimeMoE-200M — модель временных рядов семейства Time-MoE, разработанная авторами работы «Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts». Репозиторий содержит веса модели с архитектурой mixture of experts для прогнозирования временных рядов; в метаданных указано 113,2 млн параметров и контекст 4096 токенов.

Модель предназначена для прогнозирования будущих значений по последовательностям временных рядов и может использоваться в задачах анализа данных, меняющихся во времени. README отсылает к GitHub проекта за подробностями применения, но не описывает конкретные сценарии и показатели качества. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

Сценарии применения

  • прогнозирование следующих значений временного ряда
  • построение базовых прогнозов для последовательных измерений
  • прогнозирование динамики показателей во времени

Ограничения

README не приводит метрик качества или сведений о специализированных областях применения; для подробностей использования карточка направляет к GitHub проекта.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
TimeMoeForPrediction
Ревизия весов
794591b

0 моделей