IBM 開源 Granite 時間序列整合預測方案
IBM 發布 Granite Timeseries Ensemble，把四個預訓練 Granite 時間序列模型組合成一個預設整合預測器，無需重新訓練、也無需擬合權重，即可輸出點預測與預設 0.1–0.9 的分位數。預設配方為均勻機率池化的 Probabilistic Ensemble，另提供按各成員預測區間寬度自適應加權的 IQR Ensemble，切換隻需更換 subfolder，並可調溫度與單成員權重上限。
給出免訓練、免調權的多模型整合預設方案，並附帶均勻池化與 IQR 兩種組合規則作對比基線，對做時間序列預測、想省去選模型和配權重的人最有用。
原標題：Ensemble forecasting with IBM Granite time-series models
閱讀原文
| 評分 | 65 / 63（平均 64，門檻 65） |
|---|---|
| 狀態 | 未入選 |
相關報導
IBM 發布 Granite Switch 4.1：單端點整合對話、決策與語音
IBM 發布 Granite Switch 4.1，8B 與 30B 兩個版本在同一個託管端點上整合對話、決策與語音轉寫三類任務。模型新增通用決策 aLoRA 與專用 Guardian aLoRA，後者在安全相關決策任務上平均優於 Jev 1.13、Microsoft-Decision-1 等，並內嵌 OpenASR 榜首的 Granite-Speech-5.0-Turbo-CTC。
IBM 開源 Granite Speech 5.0-2B，支援 2000 詞熱詞偏置
IBM 發布 Granite Speech 5.0 三項更新，其中全新的 granite-speech-5.0-2b 與上一代引數規模相同，均為 2B，支援英語、法語、德語、西班牙語、葡萄牙語和日語轉寫，並支援這些語言與英語互譯，還可英譯義大利語和普通話。
Mistral 發布時序基礎模型 Timestral，209M 版本登頂三大基準
Mistral 發布首個時間序列基礎模型家族 Timestral，最大的 209M 引數版本在 GIFT-Eval、TIME、fev-bench 三個公開基準上均排名第一，且引數量只有此前最優模型的三分之二。家族含 5M、28M、123M、209M 四個規模，支援機率與多變數預測、已知未來協變數，零樣本即可使用。推理無需 GPU，在 8 執行緒標準伺服器 CPU 上，用三週 15 分鐘粒度歷史預測未來一天，5M 耗時 10ms、209M 為 140ms；
NVIDIA 開源 Kumo Forecast 時序預測模型
NVIDIA 發布 Kumo Forecast（原 NV-Tesseract Forecasting），一個多變數時間序列預測模型，以 Apache 2.0 許可開源，模型程式碼 NVIDIA/Kumo-TS 與權重 nvidia/Kumo-Forecast 均已公開。模型以 MOMENT-1-large 為凍結主幹，約 3.4 億引數編碼器外加可訓練預測頭，支援 256、512、1024、2048 的輸入序列長度。
llama.cpp b11812 為全部 Granite 模型記錄層輸入
llama.cpp 發布 b11812 建置，其中提交 #30957 為全部 Granite 模型記錄層輸入；該提交由 IBM 的 Gabe Goodhart 提交，位於 GraniteSpeculatorSupport 分支，並標註為全程 AI 輔助（Claude + Sonnet 5.5）。