IBM połączył cztery modele Granite w jedną prognozę. Najlepszy z nich pokonał o dwie tysięczne, a główny zysk to spokój przy wyborze

IBM Research opublikował 22 października na Hugging Face Granite Timeseries Ensemble. Przepis łączy cztery własne modele do prognozowania szeregów czasowych i zwraca jedną prognozę punktową oraz kwantyle, bez ponownego treningu i bez wyuczonych wag.

IBM składa cztery różne architektury w jedną prognozę

Członkami są Granite PatchTST-FM-r1 (patched transformer), PatchTST-FM-r2 (patched conformer), FlowState-r1.1 (model przestrzeni stanów) i TTM-r3 (Tiny Time Mixers). Każdy inaczej wychwytuje trend, sezonowość i krótkie wahania, więc ich błędy nie muszą się pokrywać. Rozmiary różnią się o rzędy wielkości: Hugging Face podaje 1,41 miliona parametrów dla TTM-r3, 9,07 miliona dla FlowState oraz 0,3 i 0,4 miliarda dla obu modeli PatchTST.

Domyślna metoda Probabilistic Ensemble daje wszystkim członkom tę samą wagę i łączy ich prognozy kwantylowe w jeden rozkład. Alternatywna IQR Ensemble faworyzuje członków z węższym przedziałem. Samo IBM ostrzega, że węższy przedział nie musi oznaczać trafniejszej prognozy i że ta metoda może premiować model zbyt pewny siebie. Przepis i domyślni członkowie mają licencję permisywną, a instaluje się je pakietem granite-tsfm od wersji 0.3.11.

W GIFT-Eval ensemble wygrywa o dwie tysięczne, a na kwantylach przegrywa

IBM przetestował oba przepisy na 97 konfiguracjach benchmarku GIFT-Eval, bez fine-tuningu. Probabilistic Ensemble ma najniższy MASE spośród sześciu porównywanych prognoz, 0,683. Najlepszy pojedynczy członek, PatchTST-FM-r2, ma 0,685. W metryce CRPS, która ocenia cały rozkład prawdopodobieństwa, prowadzenie zachowuje za to PatchTST-FM-r2 z wynikiem 0,467 wobec 0,471 dla obu ensemble. W rankingu z 20 października 2026 podejście zajęło trzecie miejsce wśród systemów, które IBM uznaje za porównywalne, zarówno w średniej pozycji według MASE, jak i według CRPS.

Dla zespołu danych w energetyce, logistyce czy e-commerce średnia pozycja liczy się bardziej niż wynik bezwzględny. Ensemble trzyma się wysoko na zróżnicowanych danych, nawet jeśli na konkretnym szeregu wygra inny model. IBM mówi to wprost: główną korzyścią jest odporność. W firmie, w której prognozowanie obsługuje setki szeregów, od popytu po zużycie prądu, znika spór o to, który model wybrać. Zostaje jeden interfejs, do którego można dołączyć też zgodne forecastery innych autorów.

Radar pisał już wcześniej o PatchTST-FM-r2 jako najmocniejszym modelu z licencją permisywną w GIFT-Eval. Ensemble minimalnie wyprzedza go w dokładności punktowej, a w probabilistycznej zostaje w tyle. Dla zespołu, któremu wystarcza jeden dobry model, niewiele się zmienia.

Cztery checkpointy zjadają więcej pamięci, a rozszerzone przepisy mają inne licencje

Przepis pobiera przy uruchomieniu wszystkie cztery checkpointy, więc inferencja trwa dłużej i zużywa więcej pamięci niż jeden model. Szeregi wielowymiarowe prognozuje kanał po kanale i pomija zależności między nimi, co przy danych typu temperatura i zużycie energii może szkodzić. Według IBM żadna z metod nie gwarantuje kalibracji ani odporności na zmianę rozkładu danych. Do tego rozszerzone przepisy z dodatkowymi checkpointami IBM Research mają własne warunki licencyjne, w tym ograniczenia do użytku niekomercyjnego i badawczego. Kto sięgnie w repozytorium po rozszerzony wariant bez lektury model card, może wciągnąć do produktu problem prawny.

Rozstrzygnie backtest na własnych danych, a nie miejsce w rankingu

IBM samo zaleca porównanie obu ensemble z PatchTST-FM-r2 na tych samych oknach historycznych, sprawdzenie, czy przedział między kwantylami 0,1 i 0,9 rzeczywiście obejmuje 80 % przypadków, oraz pomiar czasu i pamięci. Jeśli zespoły uznają, że zysk liczony w tysięcznych kosztuje wyraźnie większe opóźnienie, zostaną przy jednym modelu. Drugim sygnałem będzie to, czy w interfejsie zaczną pojawiać się forecastery z zewnątrz. Wtedy przepis IBM mógłby stać się neutralnym sposobem łączenia prognoz z modeli różnych autorów.

Werdykt Lilith

Meteorolodzy dawno przestali się kłócić, który model ma rację, i czytają pogodę z całego zestawu przebiegów. IBM proponuje teraz to samo planistom magazynów i energetykom: prognozę o dwie tysięczne trafniejszą, a przede wszystkim koniec półgodzinnych narad o tym, któremu modelowi zaufać.