IBM Research опубликовала на Hugging Face Granite Timeseries Ensemble. Это рецепт, который запускает вместе четыре предобученные модели Granite для временных рядов и сводит их прогнозы в один. Предобученные модели умеют предсказывать, не обучаясь на ваших данных, но выбрать из них одну всё равно приходится. Ансамбль должен снять этот выбор.
Что внутри
Рецепт по умолчанию объединяет четыре модели с разной архитектурой: Granite PatchTST-FM-r1 (патчевый трансформер), PatchTST-FM-r2 (патчевый конформер), FlowState-r1.1 (модель пространства состояний) и TTM-r3 (Tiny Time Mixers, MLP-миксер). Рецепт хранит конфигурацию ансамбля, а не объединённые веса. Чекпойнты четырёх моделей скачиваются во время работы, поэтому первый запуск идёт дольше. Для установки нужен granite-tsfm версии 0.3.11 или новее.
На выходе - точечный прогноз и квантильные прогнозы, по умолчанию от 0,1 до 0,9. Квантили 0,1 и 0,9 задают центральный интервал с номинальным покрытием 80%. По словам IBM, рецепт и входящие по умолчанию модели Granite распространяются по разрешающей лицензии.
Два способа объединения
Рекомендуемый вариант по умолчанию - Probabilistic Ensemble. Каждая модель получает одинаковое влияние, а их квантильные прогнозы объединяются, поэтому нет этапа подгонки и нет весов, которые нужно настраивать. Альтернатива - IQR Ensemble: он отдаёт больший вес моделям с более узким разбросом прогноза. IBM предупреждает, что более узкий интервал не обязательно точнее и что такое взвешивание может отдать предпочтение излишне самоуверенной модели.
Что показал бенчмарк
IBM оценила оба рецепта на 97 конфигурациях наборов данных GIFT-Eval без дообучения, используя оценки лидерборда, снятые 20 октября 2026 года. Результаты неоднозначные.
- По MASE Probabilistic Ensemble набрал 0,683, IQR Ensemble - 0,684. Лучшая одиночная модель, PatchTST-FM-r2, - 0,685.
- По CRPS/MWQL у PatchTST-FM-r2 остался самый низкий результат: 0,467 против 0,471 у обоих ансамблей.
- По среднему рангу из шести показанных прогнозов IQR Ensemble оказался лучшим по CRPS, а Probabilistic Ensemble возглавил список по MASE.
- Среди допущенных к сравнению систем ансамбль занимает 3-е место и по MASE Rank, и по CRPS Rank. IBM отмечает, что некоторые исключённые системы, например дообученные или с неразрешающей лицензией, показывают результат лучше.
Сама IBM называет отрыв от лучшей одиночной модели небольшим. Заявленная польза - устойчивость: сопоставимая или лучшая суммарная точность без необходимости заранее знать, какая архитектура подойдёт вашим данным.
Ограничения
Нынешний рецепт прогнозирует многомерные каналы независимо и не использует информацию между каналами. Загрузка четырёх чекпойнтов увеличивает время инференса и расход памяти по сравнению с одной моделью. Модели различаются по лимитам контекста, горизонтам, предобработке и обработке пропусков. Ни один из способов объединения не гарантирует калибровку при сдвиге распределения, поэтому после внедрения прогнозы нужно отслеживать.
Общий интерфейс Forecaster принимает и совместимые сторонние модели, так что состав ансамбля или способ агрегации можно менять, сохраняя формат выхода. В репозитории есть и расширенные рецепты с другими чекпойнтами IBM Research, но у них отдельные условия, включая ограничения на некоммерческое использование и использование только для исследований. Перед применением изучите карточку каждой модели.
Как IBM советует проверять
IBM рекомендует бэктест на исторических окнах, которые соответствуют вашему горизонту и вашим рядам. Сравните Probabilistic Ensemble, IQR Ensemble и сильную одиночную модель на одних и тех же окнах. Смотрите на квантильную потерю вместе с MASE и сопоставляйте фактическое покрытие интервала от 0,1 до 0,9 с номинальными 80%. Фиксируйте также время работы и расход памяти.