IBM složila čtyři modely Granite do jedné předpovědi. Nejlepší z nich porazila o dvě tisíciny, hlavní zisk je klid při výběru

IBM Research 22. října zveřejnila na Hugging Face Granite Timeseries Ensemble. Recept skládá čtyři vlastní modely pro předpověď časových řad. Vrací jednu bodovou předpověď i kvantily a nepotřebuje přetrénování ani naučené váhy.

IBM skládá čtyři odlišné architektury do jedné předpovědi

Členy jsou Granite PatchTST-FM-r1 (patched transformer), PatchTST-FM-r2 (patched conformer), FlowState-r1.1 (state-space model) a TTM-r3 (Tiny Time Mixers). Každý jinak čte trend, sezónu i krátké výkyvy. Jejich chyby se proto nemusí sejít. Velikost se liší o řády. TTM-r3 má podle Hugging Face 1,41 milionu parametrů, FlowState 9,07 milionu a oba modely PatchTST 0,3 a 0,4 miliardy.

Výchozí metoda Probabilistic Ensemble dává všem členům stejnou váhu. Jejich kvantily slije do jednoho rozložení. Druhá metoda, IQR Ensemble, dává přednost členům s užším intervalem. IBM sama varuje, že užší interval nemusí znamenat lepší odhad. Tahle metoda tak může dát slovo modelu, který si je jistý víc, než by měl. Recept i výchozí členy kryje volná licence. Instalují se balíčkem granite-tsfm od verze 0.3.11.

Na GIFT-Eval vyhrává ansámbl o dvě tisíciny, v kvantilech prohrává

IBM pustila oba recepty na 97 sad dat z benchmarku GIFT-Eval, bez fine-tuningu. Probabilistic Ensemble má nejnižší MASE ze šesti srovnávaných předpovědí: 0,683. Nejlepší samostatný člen PatchTST-FM-r2 má 0,685. Metrika CRPS hodnotí celé rozložení a tam vede PatchTST-FM-r2 s 0,467. Oba ansámbly mají 0,471. V žebříčku z 20. října 2026 skončil ansámbl třetí mezi systémy, které IBM bere jako srovnatelné. Platí to pro průměrné pořadí podle MASE i podle CRPS.

Pro datový tým v energetice, logistice nebo e-commerce je průměrné pořadí důležitější než samotné skóre. Ansámbl drží vysoko na hodně různých datech, i když na jedné řadě může vyhrát jiný model. IBM to říká otevřeně: hlavní zisk je robustnost. Firma, která předpovídá stovky řad od poptávky po spotřebu proudu, se nemusí přít, jaký model vybrat. Dostane jedno rozhraní, do kterého jde přidat i modely jiných autorů, pokud jsou kompatibilní.

Radar už dřív psal o PatchTST-FM-r2 jako o nejsilnějším modelu s volnou licencí na GIFT-Eval. Ansámbl ho v bodovém odhadu těsně předběhl, v kvantilech zůstává za ním. Kdo si vystačí s jedním dobrým modelem, tomu se mnoho nemění.

Čtyři checkpointy stojí víc paměti a rozšířené recepty mají jiné licence

Recept si při běhu stáhne všechny čtyři checkpointy. Inference proto trvá déle a zabere víc paměti než jeden model. Řady s více kanály počítá po kanálech zvlášť a vztahy mezi nimi nevyužije. U dat jako teplota a spotřeba to může být škoda. Žádná z metod podle IBM nezaručí kalibraci ani odolnost, když se data začnou chovat jinak. Rozšířené recepty s dalšími checkpointy IBM Research mají navíc vlastní licence. Některé z nich povolují jen nekomerční a výzkumné použití. Kdo v repozitáři sáhne po rozšířené verzi a nečte model card, může si do produktu zatáhnout právní problém.

Rozhodne backtest na vlastních datech, ne pozice v žebříčku

IBM sama radí porovnat oba ansámbly s PatchTST-FM-r2 na stejných historických oknech. Má se ověřit, jestli interval mezi kvantily 0,1 a 0,9 opravdu pokryje 80 % případů. A má se změřit čas i paměť. Když týmy zjistí, že zisk v tisícinách stojí citelně delší odezvu, zůstanou u jednoho modelu. Druhým signálem bude, jestli do rozhraní začnou přibývat cizí modely. Pak by se z receptu IBM mohl stát neutrální způsob, jak skládat předpovědi od různých autorů.

Lilithin verdikt

Meteorologové se dávno nepřou, který model má pravdu, a čtou počasí z celé sady běhů. IBM teď totéž nabízí plánovačům skladů a energetikům: předpověď o dvě tisíciny přesnější a hlavně konec porad, na kterých se půl hodiny hádá, kterému modelu věřit.