Ensemble forecasting with IBM Granite time-series models↗ (원문, 새 창)

IBM 리서치가 사전학습된 그래닛(Granite) 시계열 모델 4종(패치TST-FM-r1·r2, 플로우스테이트, TTM-r3)을 재학습 없이 결합하는 앙상블 예측 레시피 '그래닛 타임시리즈 앙상블'을 공개했다. 기본 방식인 '확률적 앙상블'은 각 모델에 동일 가중치를 부여해 확률공간에서 결합하며, 대안인 'IQR 앙상블'은 예측 구간 폭에 따라 가중치를 적응적으로 조정한다. 97개 GIFT-Eval 벤치마크 구성에 대한 평가에서 확률적 앙상블은 MASE 0.683을 기록해 개별 모델 4종을 모두 능가하는 최고 성능을 보였으며, 공개 리더보드 적격 시스템 중 랭킹 3위에 올랐다. 다만 확률예측 정확도(CRPS) 지표에서는 개별 모델인 패치TST-FM-r2가 여전히 최고치를 기록해, 지표에 따라 최적 선택이 달라질 수 있음을 보여준다. 연구진은 어떤 아키텍처가 자신의 데이터에 가장 적합한지 사전에 알 수 없는 상황에서, 이 앙상블이 재학습 없이도 안정적이고 견고한 기본 선택지가 될 수 있다고 설명했다.

• IBM, 사전학습 그래닛 모델 4종을 재학습 없이 결합하는 시계열 앙상블 예측 레시피 공개
• 기본값 '확률적 앙상블'(균등가중)과 적응형 'IQR 앙상블'(예측폭 기반 가중) 두 방식 제공
• 97개 GIFT-Eval 벤치마크서 MASE 0.683으로 개별 모델 4종 전부 능가, 랭킹 3위 기록
• CRPS 지표는 개별모델 패치TST-FM-r2가 더 우수해 지표별 최적 선택은 달라질 수 있음