IBM在Hugging Face发布Granite时间序列集成预测方案
IBM Research在Hugging Face博客介绍Granite Timeseries Ensemble：把四个开源Granite时间序列模型组合成一个默认预测接口，无需重训或拟合集成权重，可直接输出中位数与分位数预测。
AI解读：IBM Research在Hugging Face博客发布Granite Timeseries Ensemble，用一个预测接口组合四个预训练Granite时间序列模型，目标是不必先挑选单个架构。
默认配方为Probabilistic Ensemble，对四个成员的预测给予相同权重，在概率空间合并分位数预测；备选IQR Ensemble按各成员预测区间宽度分配权重，权重随样本、目标与预测步变化。
四个默认成员为PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1和TTM-r3，配方与其默认成员采用宽松许可；仓库另含添加IBM Research检查点的扩展配方，这些检查点有非商业或研究用途限制。
IBM称在 97 个GIFT-Eval数据集配置上评估，两个集成在平均MASE与平均MASE Rank上优于四个单体模型，Probabilistic Ensemble的MASE为 0.683，PatchTST-FM-r2为 0.685；CRPS/MWQL上PatchTST-FM-r2仍最好，为 0.467。
该配方按多变量通道独立预测，不使用跨通道信息；运行时需下载四个成员检查点，推理时间和内存高于单个模型。IBM表示两种聚合方式都不保证校准或在分布漂移下稳健。
IBM Research在Hugging Face博客介绍Granite Timeseries Ensemble：一个可扩展的预测接口，默认组合四个预训练Granite时间序列模型，一次调用返回点预测与分位数预测，无需针对用户数据重训，也不拟合集成权重。
配方以配置形式存放在Hugging Face，运行时下载四个成员检查点。IBM建议以Probabilistic Ensemble为起点，并提醒首次运行需预留额外时间。
四个成员与两种聚合方式
默认配方包含四种架构：Patched Transformer的Granite PatchTST-FM-r1、Patched Conformer的PatchTST-FM-r2、状态空间模型FlowState-r1.1，以及MLP结构的Tiny Time Mixers TTM-r3。IBM称这些架构以不同方式捕捉趋势、季节性与局部变化，误差不一定重合。
Probabilistic Ensemble给每个成员相同影响，在概率空间汇总分位数，再从合并分布中取所需分位数。IBM将其设为默认，理由是权重固定，没有拟合步骤，也没有需要为新序列调整的权重超参数。
IQR Ensemble则按成员预测分布的宽窄分配权重，区间较窄的成员影响更大；权重随样本、目标和预测步变化，同样不依据历史预测误差拟合。配方提供温度参数，数值越高权重越接近均匀，并可设置单个成员权重上限。IBM同时提醒，区间窄不代表更准确或校准更好，该方法可能偏向过度自信的成员。
两种方法都输出median与分位数；示例中分位数默认为 0.1 至 0.9，博客称 0.1 和 0.9 分位数可构成名义覆盖率 80% 的中央预测区间。
GIFT-Eval上的结果与边界
IBM报告在 97 个GIFT-Eval数据集配置上评估，模型不做微调，测试目标未用于选择或拟合聚合方法，比较采用 2026 年 10 月 20 日抓取的公开排行榜分数与排名。
点预测上，Probabilistic Ensemble的MASE为 0.683、平均MASE Rank为 47.175，PatchTST-FM-r2分别为 0.685 和 51.371；IQR Ensemble的MASE为 0.684。IBM称两个集成在平均MASE与平均MASE Rank上均优于四个单体成员，但相对最佳单体的MASE优势很小，其主张的主要好处是不必预先知道哪种架构适合数据。
概率预测上，PatchTST-FM-r2的CRPS/MWQL为 0.467，优于两个集成的 0.471；IQR Ensemble的平均CRPS Rank为 47.619，在六者中最低。IBM写明聚合误差与平均排名指向不同选择，并称在该榜单快照中集成在MASE Rank与CRPS Rank上均列第三，但并非榜首，部分微调或非宽松许可的系统得分更好。
适用限制与扩展方式
IBM列出的限制包括：当前配方按多变量通道独立预测，不使用跨通道信息；加载四个成员检查点使推理时间和内存高于单个模型；成员的上下文长度、预测步长、预处理和缺失值处理各不相同；两种聚合方法都不保证校准，也不保证在分布漂移下稳健。
博客建议在代表性数据上回测，比较Probabilistic、IQR与一个强单体模型，同时看MASE、分位数损失以及 0.1 至 0.9 区间的实际覆盖率是否接近 80%，并记录运行时间与内存。
接口也接受兼容的外部预测模型，可更换成员组合或聚合方法，保持相同的下游输出格式，无需合并或重训成员。仓库中的扩展配方加入IBM Research检查点，这些检查点有单独许可条款，包括非商业和研究用途限制，使用前需逐个查看模型卡。