時序大模型突破十億參數！新混合專家架構，普林斯頓格里菲斯等機構出品

TimeMoE團隊 投稿自 凹非寺

量子位 | 公眾號 QbitAI

時序大模型，參數規模突破十億級別。

來自全球多隻華人研究團隊提出了一種基於混合專家架構（Mixture of Experts, MoE）的時間序列基礎模型——Time-MoE。

據瞭解，該模型首次將時間序列預訓練大模型的參數規模推向十億級別。

Time-MoE模型通過MoE架構的獨特優勢，將模型參數成功擴展至24億，不僅顯著提升了預測精度，還在降低計算成本的同時超越了眾多現有模型，全面達到了SOTA（State of the Art）水平。

與此同時，團隊精心整理了預訓練數據集Time-300B，這是目前時序領域最大的公開數據集，為各類時序任務提供了通用解決方案。

十億參數時序大模型

這篇文章主要有以下三點技術突破：

強大的混合專家架構：Time-MoE採用稀疏激活機制，在預測任務中僅激活部分網絡節點，這不僅確保了高預測精度，還顯著降低了計算負擔，完美解決了時序大模型在推理階段的計算瓶頸。

靈活的預測範圍：Time-MoE支持任意長度的輸入和輸出範圍，能夠處理從短期到長期的各種時序預測任務，實現了真正的全域時序預測。

全球最大規模的開源時序數據集：團隊開發了Time-300B數據集，涵蓋9個領域的超過3000億個時間點，為模型提供了豐富的多領域訓練數據，確保其在多種任務中的卓越泛化能力。

在相同激活參數條件下，Time-MoE顯著超越了現有的時序基礎模型。在相同的FLOPs下，其稀疏架構展現出相較於密集模型的卓越精度優勢。

模型框架：

輸入Token Embedding

Time-MoE使用逐點分詞方法以確保時間序列信息的完整性，提高了模型處理不同長度序列的靈活性與適用性，如模型框架圖中①所示。在②中，SwiGLU激活函數對每個時間序列點進行嵌入，其中包括一個Feed-forward network (FFN) 和一個Swish FFN，從而增強模型對多維輸入的處理能力：

MoE Transformer模塊

Time-MoE基於decoder-only Transformer，並結合了大規模語言模型中的最新技術。Transformer模塊里， RMSNorm對每個子層輸入進行了歸一化處理，從而提升了訓練的穩定性。同時，採用旋轉位置編碼代替絕對位置編碼，使得模型在處理可變序列長度時具備更好的外推能力。此外，模型引入了稀疏激活的混合專家層來取代標準Transformer模塊里的FFN。公式化概括如下：

其中Mixture代表混合專家層。如模型框架圖中③所示，單個時間序列數據點可以被分配給一個或多個專家。通過選擇部分專家網絡來處理特定時間點的輸入，模型的計算效率得到了提高。

多解像度預測

如模型框架圖中④和⑤所示，Time-MoE設計了一種多解像度預測頭，可以同時進行不同尺度的預測，突破了單一尺度預測的局限。在訓練時，不同解像度頭會被聯合優化。

在與推理時，模型採用貪心算法，利用不同尺度的輸出組合成任意的預測長度。這種設計允許模型根據不同的預測範圍進行靈活預測，並在訓練過程中綜合多個預測尺度的誤差來優化模型的泛化能力，從而顯著提升預測的準確性和魯棒性。

實驗效果

零樣本Zero-shot預測

零樣本預測能有效檢驗時序基礎模型的泛化能力和通用性。實驗表明，與現有的時序基礎模型相比，Time-MoE達到了最好的預測效果，均方誤差（MSE）降低了約20%。

全樣本Full-shot預測

在全樣本預測中，預訓練的Time-MoE會使用相應數據的訓練集進行微調。

實驗表明，與專門為全樣本預測設計的時序模型相比，Time-MoE依然能達到最優的效果， MSE降低了約24%。這體現了模型對於不同領域數據的適用性，以及預訓練基礎模型對於下遊任務幫助的有效性。

消融實驗

文中進一步提供了一系列消融實驗來驗證模型框架設計的合理性。實驗表明，Time-MoE的設計在提升模型精度上是有效的。特別地，在不使用混合專家的情況下，模型的MSE會有明顯的退化。

Scalability 分析

作者對於模型的規模化效果進行了詳細分析，如下圖所示。左圖的實驗表明，與稠密模型相比，稀疏模型減少了平均78%的訓練成本和39%的推理成本。右圖的結果表明，隨著數據量和模型參數的增大，Time-MoE持續表現出穩定的性能提升，並且與同規模的稠密模型相比，總能達到更小的MSE和更好的預測性能。

此外，作者還分析了訓練精度的影響。如下表所示，與使用float32精度進行訓練相比，使用bfloat16精度能得到相似的預測性能，但是bfloat16模型能在訓練速度上獲得12%的提升，內存佔用上有 20%的減少。

此外，bfloat16還可以與flash-attention（表中簡稱為FA）無縫結合，從而進一步在訓練和推理速度上帶來23%和19%的提升。

Time-MoE不僅在性能上超越了現有模型實現SOTA，更為構建大規模、高效、通用的時序預測基礎模型提供一個可行的範式。除此之外，Time-MoE在工業界的多種時序場景也很有應用潛力，比如在能源管理、金融預測、電商銷量、氣象預報等領域。

論文地址：

https://arxiv.org/pdf/2409.16040

Github地址：

https://github.com/Time-MoE/Time-MoE