Четыре Granite в одном рецепте: прогноз рядов без угадывания архитектуры

IBM Research выложила на Hugging Face рецепт Granite Timeseries Ensemble: один вызов вместо выбора из четырёх разных архитектур. На выходе , точечный прогноз и квантили, без дообучения на ваших данных и без подгонки весов ансамбля. Ставите granite-tsfm версии 0.3.11 и выше, грузите карточку ibm-granite/granite-timeseries-ensemble-r1 через QuantileEnsembleForecaster . В демо IBM , 1024 последние точки контекста и горизонт 24 шага. Точка лежит в result.prediction_outputs , интервалы , в result.quantile_outputs (по умолчанию квантили от 0.1 до 0.9, номинально около 80% покрытия). Конфиг рецепта отдельно от весов: при первом запуске скачиваются четыре чекпоинта участников , закладывайте время. Кто входит в ансамбль Granite PatchTST-FM-r1 , patched Transformer Granite PatchTST-FM-r2 , patched Conformer Granite FlowState-r1.1 , state-space модель Granite TTM-r3 , Tiny Time Mixers (MLP mixer) По умолчанию включён Probabilistic Ensemble : равный вклад каждого участника, слияние квантилей в вероятностном пространстве, без гиперпараметров весов. Нужна адаптация под «ширину» прогноза , в той же карточке рецепт IQR Ensemble в подпапке recipes/granite-iqr : веса от интерквартильного размаха, есть температура и потолок на долю одной модели. Цифры на GIFT-Eval На 97 конфигурациях бенчмарка без файнтюна оба ансамбля по суммарному MASE обошли каждого участника по отдельности. У Probabilistic Ensemble MASE 0.683 , у лучшего одиночного PatchTST-FM-r2 было 0.685, у TTM-r3 , 0.724. Снимок лидерборда , 20 октября 2026; запас небольшой, смысл в том, что не нужно заранее угадывать архитектуру. По вероятностным метрикам картина другая: лучший CRPS/MWQL среди показанных , у PatchTST-FM-r2 (0.467), а IQR Ensemble выигрывает по среднему рангу CRPS среди шести сравниваемых прогнозов. Интерфейс Forecaster принимает и совместимые внешние модели с другими правилами агрегации, без слияния чекпоинтов. Ограничения из карточки: каналы мультивариантного ряда считаются независимо, инференс тяжелее одной модели из‑за четырёх загрузок. Источник: Ensemble forecasting with IBM Granite time-series models .