# 零樣本預測

Toto是一個專為多元時間序列預測設計的基礎模型，特別適用於可觀測性指標的高效處理

Chronos-Bolt是一系列預訓練時間序列預測模型，支持零樣本預測，基於T5編碼器-解碼器架構，訓練數據包含近1000億個時間序列觀測點。

MOMENT是一系列通用時間序列分析的基礎模型，支持多種時間序列任務，具備開箱即用的有效性，並可通過微調提升性能。

MOMENT是一系列通用時序分析基礎模型，支持多種時序分析任務如預測、分類、異常檢測等，具備開箱即用和可微調的特性。

TinyTimeMixers（TTMs）是由IBM Research開源的多變量時間序列預測緊湊型預訓練模型，參數從100萬起，首次提出時間序列預測領域的'微型'預訓練模型概念。

ChatTime是一個統一處理時間序列與文本的多模態基礎模型，具備零樣本預測能力，支持時間序列與文本的雙模態輸入/輸出。

MOMENT是一系列通用時序分析基礎模型，支持多種時序分析任務，具備開箱即用的有效性，並可通過微調提升性能。

TinyTimeMixers（TTMs）是IBM Research開源的多變量時間序列預測緊湊型預訓練模型，參數不足100萬，在零樣本和少樣本預測任務中表現優異。

ProtST 框架通過生物醫學文本增強蛋白質序列的預訓練和理解，構建了 ProtDescribe 數據集，設計了三種預訓練任務，支持監督學習和零樣本預測。