Характеристики

Параметры: 99,1 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Библиотека: chronos
Опубликована: 28 авг 2026

Ссылки

Hugging Face

chronos2-fullft-dlam-g100

autokai

Прогноз временных рядовTime_series → time_series3 профессии

Полноразмерное дообучение Chronos-2 для прогнозирования временных рядов операционной нагрузки.

15скачиваний за 30 дней0лайковвеса обновлены4 сен 2026

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

Это полноразмерная дообученная версия Chronos-2, подготовленная группой 100 TU Darmstadt для бонусного проекта курса DLAM в летнем семестре 2026 года. Модель основана на архитектуре T5 и содержит 99,1 млн параметров; веса сохранены в формате safetensors. Она предназначена для прогнозирования временных рядов, в частности операционной нагрузки по обучающей панели из 96 рядов.

Модель обучена на наблюдаемой части рядов, ограниченной условием `_hidx < 4320`. Это полноточечное дообучение, а не LoRA-адаптер. Репозиторий содержит только веса, без описания ансамблевой схемы. Лицензия — Apache-2.0.

Сценарии применения

прогнозирование операционной нагрузки
прогнозирование значений временного ряда
построение прогнозов для панелей временных рядов

Ограничения

Дообучение выполнено на конкретной панели из 96 временных рядов и только на наблюдаемом участке до `_hidx < 4320`, поэтому перенос на другие данные не подтверждён. Карточка содержит только веса и не описывает ансамблевую схему.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.7Разработка и данныеDevOps, облако и эксплуатация IT-системAI помогает развёртывать, наблюдать и оптимизировать цифровые системы и облачную инфраструктуру.20 задач7 196моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Chronos-2, fully fine-tuned (TU Darmstadt DLAM SoSe 2026 bonus project, group 100)

A full fine-tune (not LoRA) of amazon/chronos-2 on the course's 96-series operational-load panel, fitted on the observed region only (_hidx < 4320).

Hosted rather than bundled because the graded submission archive is capped at 200 MB and a full fine-tune rewrites every weight (~456 MiB, against a LoRA adapter's ~5 MiB). Fetching it at inference is the route the course staff sanctioned.

Weights only. This card intentionally omits the surrounding ensemble design; see the group's report for the method.

Как запустить

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

GPU в ailist

Универсальный рантайм · chronos

Нельзя запустить

Временные ряды пока не поддерживаются.

Класс архитектуры: Chronos2Model
Ревизия весов: ff0fda7