/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
28,3 млн
Лицензия
Apache 2.0
Архитектура
time_moe · MoE
Опубликована
21 сен 2024

TimeMoE-50M

Генерация текстаТекст → текст4 профессии

TimeMoE-50M — модель с архитектурой Mixture of Experts для прогнозирования будущих значений временных рядов по историческим данным.

53 797скачиваний за 30 дней22лайкавеса 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-50M — модель прогнозирования временных рядов из семейства Time-MoE, представленная как веса модели из статьи «Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts». Она предназначена для прогнозирования будущих значений по историческим последовательностям временных рядов.

Модель использует архитектуру Mixture of Experts и класс TimeMoeForPrediction. В репозитории указано 28,3 млн параметров, формат весов — safetensors, длина контекста — 4096 токенов. Автор карточки ссылается на GitHub-страницу проекта для инструкций по использованию.

Модель подходит для задач прогнозирования временных рядов общего назначения. В карточке не описаны конкретные отрасли, наборы данных или языковые возможности. Лицензия — Apache-2.0.

Сценарии применения

  • прогнозирование значений временного ряда
  • предсказание спроса по истории наблюдений
  • прогнозирование показателей по последовательным измерениям

Ограничения

Карточка не описывает точность на отдельных задачах, ограничения по типам временных рядов или процедуру использования; для инструкций она отсылает к странице проекта на GitHub.

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
446753e

0 моделей