Dzienniki czujników robotyki, telemetria samochodów autonomicznych, parametry życiowe szpitali - wszystkie to szereg czasowy, który przytłacza dane tekstowe i wideo, nad którymi przemysł AI spędził lata, optymalizując je. A powód, dla którego modele transformatorowe (Claude, ChatGPT itd.) nie potrafią prognozować tak dobrze: przekształcają ciągłe liczby w dyskretne tokeny, a ta tokenizacja prawdopodobnie niszczy precyzję, której problem wymaga. Google, Amazon, Datadog zbudowały wszystkie własne modele, aby to zrekompensować, ale te modele widziały tylko historyczne liczby, nigdy raporty o zarobkach ani zmiany polityki, które je spowodowały. Migas 1.5 od @synthefyinc to pierwszy model bazowy z otwartymi wagami, który łączy tekst i szereg czasowy, aby wprowadzić takie zewnętrzne informacje do prognozowania szeregów czasowych w sposób natywny. Wczesne wyniki: wskaźnik wygranych powyżej 75% w 86 rzeczywistych zbiorach danych. O 14,2% niższy MAE. Wagi na @huggingface. Lub pobierz i użyj ich nowej umiejętności bezpośrednio w Claude.