英伟达发布Kumo Forecast时间序列预测模型，Apache 2.0开源
英伟达在Hugging Face博客中介绍，Kumo Forecast（原NV-Tesseract Forecasting）以MOMENT-1-large为骨干，约 3.4 亿参数编码器加可训练预测头，支持可选的DARR历史模式检索与逐预测步的解释输出，代码与权重以Apache 2.0许可提供。
AI解读：Kumo Forecast有两种预测路径：直接路径由预训练Transformer编码器加预测头给出未来值；DARR模式在此基础上用最近邻方法从历史数据中检索相似模式，并与直接预测结果合并。开发者可通过配置调整最终预测对两条路径的依赖程度。
模型编码器与嵌入层权重冻结，只训练预测头，这是英伟达在博客中描述的架构安排。超过模型原生预测步长时，库支持自回归方式递归延长预测。
解释功能被描述为与模型无关的框架，开启后随预测输出滞后项与特征归因、语义流诊断、轨迹稳定性诊断以及可选的嵌入Integrated Gradients，且不需要更换预测架构。
适用边界由来源明确给出：数据须为数值型时间序列，输入序列长度支持 256、512、1024、2048 个观测点，输入为含时间戳列和一个或多个数值列的表；使用DARR时，上下文维度需与输入上下文相近。
英伟达建议在相同留出预测窗口上比较直接配置与检索增强配置，并按预期预测步长和运行条件验证效果，这一要求来自厂商而非第三方评测。来源未提供公开的精度或效率对比数据。
英伟达在Hugging Face博客发文介绍Kumo Forecast（原NV-Tesseract Forecasting），称这是一个多变量时间序列预测模型，代码发布在NVIDIA/Kumo-TS仓库，权重发布为nvidia/Kumo-Forecast，采用Apache 2.0许可。
模型以MOMENT-1-large为骨干，使用约 3.4 亿参数的基础编码器加一个可训练的预测头；编码器与嵌入层权重保持冻结，仅训练预测头。库提供以DataFrame为主的API、可配置的预测步长、可选的历史上下文，以及生成逐预测步解释的解释框架，且不修改底层预测器。
直接预测与DARR检索如何组合
在直接预测路径中，Kumo Forecast用基于MOMENT的Transformer和训练好的预测头输出未来值。对于超出模型原生能力的预测步长，库支持自回归扩展，即递归延长预测，这与一次性直接生成的预测不同。
DARR指Domain-Aware Representation and Retrieval，英伟达称其在直接预测之外，通过k近邻从历史上下文数据中检索相关模式，并将检索信息与直接预测合并。该模式区分输入窗口与检索上下文：输入窗口提供近期观测，另行传入的historical DataFrame（SDK中的context_df参数）提供用于模式检索的额外上下文。开发者可通过库的配置选项调整最终预测对两条路径的依赖强度。
- 直接路径：预训练编码器表示 + 预测头映射到目标预测步长。
- DARR路径：在直接预测基础上加入k近邻历史模式检索。
- 输入窗口与检索上下文分离，上下文经context_df单独传入。
- 超出原生步长时以自回归方式扩展。
解释输出与使用限制
解释功能被英伟达描述为模型无关框架。启用后，它生成一个解释包，包含每个预测步长的滞后项与特征归因、语义流诊断、轨迹稳定性诊断，以及可选的嵌入Integrated Gradients。这些输出与预测一同给出，不需要切换到另一种预测架构。
来源列出的限制集中在数据形态：数据须为数值型时间序列；支持的输入序列长度为 256、512、1024、2048 个观测点；输入由时间戳列和一个或多个数值列组成，可用pandas DataFrame或CSV/JSON形式传入。使用DARR模式时，上下文的维度需与输入上下文相近。
- 数据须为数值型、带时间维度的数据。
- 支持的序列长度：256、512、1024、2048 个观测点。
- 输入包含时间戳列和至少一个数值列。
- DARR模式的上下文维度需与输入上下文相近。
- 来源未给出精度、延迟或成本方面的公开对比数据。
评估方式与可获取内容
英伟达建议针对具体应用做评估：在同一批留出预测窗口上比较直接配置与检索增强配置，并在预期预测步长和运行条件下验证预测质量。这一建议是厂商提出的验证要求，而非第三方基准结论。
除预训练推理工作流外，Kumo-TS仓库还提供一个在用户自备CSV上微调Kumo Forecast的示例，供开发者作为适配自有数据的起点。博客同时提到，工厂运营（FOX）Blueprint中的预测性维护模块处于早期访问阶段，使用Kumo Anomaly与Kumo Forecast分析实时数据以预测未来异常。
- 评估建议：同一留出窗口上对比直接与检索增强配置。
- 仓库提供CSV微调示例。
- FOX Blueprint的预测性维护模块为早期访问，结合Kumo Anomaly与Kumo Forecast。