في عالم الذكاء الاصطناعي وتوقع السلاسل الزمنية، يتصدر نظام TW3Cast المشهد بعد أن حقق المرتبة الثالثة ضمن 130 مشاركة على مؤشر GIFT-Eval. بالمقارنة مع الأنظمة الرائدة الأخرى التي تعتمد على الوكلاء (agents) أو نماذج اللغة (language models)، يتميز TW3Cast بعدم اعتماده على أي وكيل أو نموذج لغة، بل يعتمد على نماذج أساسية تمت تعديلها بشكل خفيف.

يعمل TW3Cast عبر جدول يتم حسابه مرة واحدة على بيانات التدريب ثم يُجمد، كما أنه يستخدم مجموعة من النماذج العامة المتخصصة التي تم تحسينها بشكل خفيف تتناسب مع توقعات السلاسل الزمنية المختلفة. لكل مجموعة من البيانات، والمدد الزمنية، يقدم الجدول واحداً من أربعة أوضاع: إما متخصص مثل LoRA أو Chronos-2، أو نوع مخصص يحتوي على متخصص، أو خليط من النماذج الأساسية، أو مسابقة اختيار تعتمد على العودة للخلف لمجموعة التدريب.

الحماية ضد التحيزات تأتي من خلال ثلاثة آليات متطورة. يشمل ذلك معياراً مزدوجاً للدقة والمعايرة، وهامش غير متماثل ضد المرشحين الذين سبق لهم رؤية السلاسل خلال التدريب، وأبواب محافظة لكل نافذة زمنية. تم اختيار قواعد الاختيار من خلال اختبار زمني مؤقت، مما يضمن دقة عالية ودفاعاً فعالاً ضد الأخطاء المحتملة.

نتيجة لذلك، حقق أفضل نموذج أساسي بمفرده مرتبة متوسطة تبلغ 33.8، بينما بلغت مرتبة المسابقة لكل تكوين 38.0، وبلغت المرتبة النهائية للنظام 19.4، مما يبرهن على فاعلية النظام وقوة تصميمه.

بهذا الشكل، لا يكشف TW3Cast فقط عن إمكانياته العالية، بل يقدم أيضاً بيانات متسقة يمكن استخدامها لتأكيد نتائج المؤشر، مع إتاحة الجدول وجميع المؤشرات العامة المتاحة للجمهور.

هل أنتم من المهتمين بتطورات توقع السلاسل الزمنية؟ شاركونا آراءكم وأفكاركم في التعليقات.