IBM Research 在 Hugging Face 發表的企業技術文章，介紹 Granite Timeseries Ensemble 如何處理時間序列預測中的選型難題。文章標示日期為 2026 年 10 月 22 日。這個問題看似簡單，實際上很容易被低估：預訓練時間序列模型已經能在不針對自家資料集重新訓練的情況下產生預測，但使用者仍得先選一個模型。平滑的工業訊號、雜訊較高的零售需求，或需要涵蓋較長季節性跨度的情境，往往適合不同架構；某個模型在某一類序列上表現穩定，不代表換到另一類任務仍然可靠。Granite Timeseries Ensemble 的做法，是把四個互補的 Granite 架構放進同一個預測介面，直接回傳中位數與分位數預測，不需要重新訓練，也不需要擬合集成權重。這種思路在天氣預報中已很常見：集合預報探索多種可能結果，像北美多模式集合預報系統便把不同模型結合起來做季節預測。時間序列預測同樣可以受益於多個模型提供的不同視角，再把這些視角合併成單一預測。
背景：預訓練模型仍留下選型問題
零樣本或少量樣本預測的價值，在於開發者不必為每個資料集從頭訓練模型，但這也把問題往前推了一步：面對眾多預訓練模型，到底該用哪一個。不同架構對趨勢、季節性與局部變化的捕捉方式不同，誤差也不一定同時發生，因此單一模型在某些序列上可能特別合適，在另一些序列上卻未必。IBM Research 提出的集成配方，目標不是宣稱某一個模型全面勝出，而是提供一個合理的預設起點。這個配方結合四個開源 Granite 模型，包含 Granite PatchTST-FM-r1 的修補式 Transformer、Granite PatchTST-FM-r2 的修補式 Conformer、Granite FlowState-r1.1 的狀態空間模型，以及 Granite TTM-r3 的 Tiny Time Mixers。Tiny Time Mixers 是一種以多層感知器混合器為核心的輕量架構。這些模型以不同方式處理序列中的趨勢、季節性與局部變動，因此它們的預測錯誤不見得會重合，這正是集成能夠降低單一模型選錯風險的基礎。
核心：機率池化與 IQR 自適應加權
Granite Timeseries Ensemble 有兩種主要組合方式。預設的 Probabilistic Ensemble 採用均勻機率池化，讓每個成員擁有相同影響力，並在機率空間中合併各成員的分位數預測，再從合併結果取出所需的分位數。由於權重固定，這個配方沒有額外的擬合步驟，也沒有針對新序列需要調整的加權超參數。文章引用「預測組合之謎」作為動機：在點預測中，簡單的等權重組合經常能與估計權重的方法抗衡，甚至表現更好。這套思路被延伸到機率預測，成為預設配方。另一種 IQR Ensemble 則採用自適應加權，依照每個成員的預測離散程度調整影響力，區間較窄的成員獲得較大權重。IQR 是四分位距，代表第 25 百分位與第 75 百分位之間的差距；配方會從最接近這兩個百分位的可用分位數估計各成員的 IQR。權重會隨樣本、目標與預測跨度而變，而且和預設配方一樣，不會從歷史預測誤差中擬合參數。合併後的分位數會用等距回歸維持單調性，避免分位數交叉。IQR 配方也提供溫度設定，數值越高，權重越接近均勻；另外可選擇限制單一成員的最高權重。不過，區間較窄不代表預測一定更準或校準更好，IQR 加權仍可能偏向過度自信的成員，因此需要拿實際資料比較。
評估：GIFT-Eval 上的整體表現
文章在 97 個 GIFT-Eval 資料集設定上評估兩種配方。這些模型沒有經過微調，測試目標也沒有被用來選擇或擬合聚合方法。GIFT-Eval 以 MASE 衡量點預測，並以 CRPS 與 MWQL 衡量機率預測；分數會對季節性天真基準正規化，並在多个設定間取幾何平均，數值越低越好。從 2026 年 10 月 20 日的排行榜分數來看，Probabilistic Ensemble 的 MASE 為 0.683，IQR Ensemble 為 0.684，兩者都低於四個個別成員；其中表現最好的單一成員 PatchTST-FM-r2 為 0.685，其餘成員約在 0.701 到 0.724 之間。兩種集成在整體 MASE 與平均 MASE 排名上都勝過所有個別成員。Probabilistic Ensemble 取得這六個預測中最低的 MASE，但領先幅度很小，因此主要價值在於穩健性：開發者不必事先知道哪個架構最適合自己的資料，也能得到相近或更好的整體準確度。機率預測方面，PatchTST-FM-r2 仍保有最低的整體 CRPS 與 MWQL 分數 0.467，兩種集成則同為 0.471；IQR Ensemble 在平均 CRPS 排名上表現最好。整體誤差與平均排名因此指向不同選擇。就 2026 年 10 月 20 日的比較而言，集成方法在符合條件的系統中，MASE 排名與 CRPS 排名都位居第三。排行榜上仍有部分系統分數更好，但其中包含微調模型或授權條件不同的項目；集成的意義不是登上排行榜首位，而是用一個預設方案在大量序列上提供穩定結果。
實務意義與限制
這個配方可以透過共同的 Forecaster 介面延伸到其他相容模型。開發者能調整成員組合或聚合方式，下游預測格式維持不變，也不需要合併或重新訓練成員檢查點，因此比較容易放進既有的預測堆疊。倉庫中還有加入 IBM Research 檢查點的擴充配方，但這些成員有各自的授權條款，可能包含非商業或研究用途限制，使用前必須逐一查看模型卡。對任何新組合，都應檢查預測相容性、準確度、校準、延遲與授權。要判斷配方是否適合實際應用，不能只看 GIFT-Eval 的總體平均，因為整體增益不代表每一條序列都受益，平均排名也不等於校準良好。比較實際的做法是用具有代表性的資料回測：使用每個預測起點當下可取得的歷史視窗、實際需要的預測跨度，以及預期要服務的序列；在同一批視窗上比較 Probabilistic Ensemble、IQR Ensemble 與表現較強的個別成員；除了 MASE，也要看分位數損失，並檢查 0.1 到 0.9 區間的實際覆蓋率是否接近名目上的 80%；最後記錄執行時間與記憶體使用量，判斷結合四個模型的成本是否合理。目前配方仍有兩項明確限制。第一，它對多變量序列的各通道採取獨立預測，沒有利用通道之間的資訊。第二，它會載入四個成員檢查點，推論時間與記憶體需求都高於單一模型。各成員的上下文長度上限、可預測跨度、前處理與缺失值處理方式也不完全相同，組合時需要確認相容性。兩種聚合方法都不保證校準，也不保證在分佈偏移下仍然穩健，因此部署後仍要持續監控預測表現。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。