NanoForecast v0.5：6.5M参数时序预测模型通过训练管线优化追平31倍大模型
原文标题：NanoForecast v0.5: Competitive Time Series Forecasting Through Training Pipeline Optimization
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者发布 NanoForecast v0.5，一个仅 6.5M 参数的时间序列预测模型，在架构不变的前提下通过修正损失范围处理、张量形状对齐和扩大数据增强，将 MASE 从 3.030 降至 1.704，降幅 43.8%。它在全部三个 ETT 数据集和汇率任务上超过 200M 参数的 TimesFM，也胜过 PatchTST，但在高基数电力与交通数据集上仍落后。训练仅需单张 T4 云 GPU 约 12 小时，推理无需 GPU，代码与权重以 Apache 2.0 开源。
- 问题
- 小模型时序预测能否通过训练管线修正追平大模型。
- 方法
- 不改架构，仅修正损失范围、张量形状对齐并扩大数据增强。
- 结果
- MASE 从 3.030 降至 1.704，三个 ETT 数据集与汇率任务均超 200M 的 TimesFM。
- 影响
- 证明训练管线 bug 的代价可能大于模型规模，单卡 T4 训练、CPU 推理即可落地。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。