TinyCast：14万参数实现零样本概率预测

我们介绍了 TinyCast，这是一种无注意力机制的零样本预测器，它从 146,505 个参数中输出预测分布，其前提是：在该规模下，上下文的周期性结构值得进行计算而非学习。一个零参数的频谱检测器提供主导周期，上下文按其相位折叠，膨胀卷积编码器和块自回归分位数解码器对剩余部分建模。它的参数量小于 GIFT-Eval 榜单上所有可确定参数数量的零样本条目。在概率准确性方面，它定义了规模-准确率前沿。在所有声明未泄露测试数据的零样本条目中，它是唯一一个参数量低于 1.4M 且能输出预测分布的模型，而每个表现更好的条目至少拥有同等预算。在 Chronos-ZS 和 fev-bench 上，所有优于它的神经模型至少拥有其 28 倍的参数量。由于混合路径仅包含卷积和矩阵乘法，它可以导出为静态 INT8 格式，并在嵌入式设备上端到端进行预测，无需针对每个信号进行拟合。