最近時間序列預測預測領域的最新進展受到了各個領域（包括文字、影像和語音）成功開發基礎模型的影響，例如文字（如ChatGPT）、文字到影像（如Midjourney）和文字到語音（如Eleven Labs）。這些模型的廣泛採用導致了像TimeGPT[1]這樣的模型的出現，這些模型利用了類似於它們在文字、影像和語音方面獲得成功的方法和架構。
在本文中，我們將討論一個通用的預訓練模型能否解決預測任務的正規化轉變。我們透過使用TimeGPT進行零樣本學習並對模型的效能進行了徹底分析。然後將TimeGPT的效能與TiDE[2]進行比較（TiDE是一種在預測用例中擊敗了Transformer的簡單的多層感知機)。
https://avoid.overfit.cn/post/b74a5eaf984849b186b26ea6d8f93db5