需求人群:
["零售中的需求预测","金融领域的时间序列分析","医疗保健中的数据预测"]
使用场景示例:
在零售业中,提高需求预测准确性可显著降低库存成本并增加收入。
金融领域使用TimesFM进行复杂的时间序列分析。
医疗保健中,使用TimesFM进行数据预测,提升治疗和资源规划效率。
产品特色:
使用大型时序数据集预训练
解码器-only架构
支持不同领域和时间粒度的零-shot预测
浏览量:229
最新流量情况
月访问量
30.65k
平均访问时长
00:00:20
每次访问页数
1.40
跳出率
57.71%
流量来源
直接访问
38.79%
自然搜索
46.41%
邮件
0.08%
外链引荐
10.25%
社交媒体
4.04%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
澳大利亚
7.69%
哥伦比亚
7.98%
印度
13.02%
韩国
6.17%
美国
28.59%
时序预测的解码器基础模型
TimesFM是一款基于大型时序数据集预训练的解码器基础模型,具有200亿参数。相较于大型语言模型,虽然规模较小,但在不同领域和时间粒度的多个未见数据集上,其零-shot性能接近最先进的监督方法。TimesFM无需额外训练即可提供出色的未见时间序列预测。
首个无需注意力机制的7B大规模模型
Falcon Mamba是由阿布扎比技术创新研究所(TII)发布的首个无需注意力机制的7B大规模模型。该模型在处理大型序列时,不受序列长度增加导致的计算和存储成本增加的限制,同时保持了与现有最先进模型相当的性能。
专为智能手机设计的高效大型语言模型推理框架
PowerInfer-2是一个为智能手机特别优化的推理框架,支持高达47B参数的MoE模型,实现了每秒11.68个token的推理速度,比其他框架快22倍。它通过异构计算和I/O-Compute流水线技术,显著减少了内存使用,并提高了推理速度。该框架适用于需要在移动设备上部署大型模型的场景,以增强数据隐私和性能。
统一大型模型 API调用方式
支持将 openai、claude、azure openai, gemini,kimi, 智谱 AI, 通义千问,讯飞星火 API 等模型服务方的调用转为 openai 方式调用。屏蔽不同大模型 API 的差异,统一用 openai api 标准格式使用大模型。提供多种大型模型支持,包括负载均衡、路由、配置管理等功能。
开发中大规模模型系统的组织
LMSYS Org 是一个组织,旨在使大型模型及其系统基础设施的技术民主化。他们开发了 Vicuna 聊天机器人,其在 7B/13B/33B 规模下可以印象 GPT-4,实现了 90% ChatGPT 质量。同时,还提供 Chatbot Arena 以众包和 Elo 评级系统进行大规模、游戏化评估 LLMs。SGLang 提供了复杂 LLM 程序的高效接口和运行时环境。LMSYS-Chat-1M 是一个大规模真实世界 LLM 对话数据集。FastChat 是一个用于训练、提供服务和评估基于 LLM 的聊天机器人的开放平台。MT-Bench 是一个用于评估聊天机器人的一组具有挑战性、多回合、开放式问题。
© 2024 AIbase 备案号:闽ICP备08105208号-14