Robotikk-sensorlogger, selvkjørende biltelemetri, sykehusets vitale tegn – alle tidslinjer, alt overskygger tekst- og videodataene AI-industrien har brukt år på å optimalisere for. Og grunnen til at transformatormodeller (Claude, ChatGPT osv.) ikke kan forutsi dette godt: de gjør kontinuerlige tall om til diskrete tokens, og den tokeniseringen ødelegger sannsynligvis presisjonen problemet krever. Google, Amazon, Datadog har alle laget proprietære modeller for å kompensere, men disse modellene så bare historiske tall, aldri resultatrapporten eller policyendringen som forårsaket dem. @synthefyinc sin Migas 1.5 er den første open-weight foundation-modellen som kombinerer tekst og tidsserier for å indusere slik eksogen informasjon i tidsserieprognoser nativt. Tidlige tall: 75 %+ seiersrate på tvers av 86 virkelige datasett. 14,2 % lavere MAE. Vekter på @huggingface. Eller last ned og bruk deres nye ferdighet direkte i Claude.