IBM 开源 Granite 时序集成方案：四个模型合成一个默认预测器

IBM Research 于 10 月 22 日在 Hugging Face 发布 Granite Timeseries Ensemble，把四个架构不同的 Granite 时序基础模型组合成一个默认预测器。官方给出的卖点很朴素：预测之前不必再纠结选哪个模型。

时序基础模型可以在不训练的情况下直接预测，但选型本身就是负担：擅长平滑工业信号的模型，未必应付得了嘈杂的零售需求或很长的季节周期。集成的思路和天气预报一样，让互补的模型给出不同视角，再把它们合成一个预测分布。

默认配方包含四个成员：两个 PatchTST 架构模型、一个 FlowState 状态空间模型，以及一个 Tiny Time Mixers 模型。它们捕捉趋势、季节性与局部变化的方式不同，误差不必然重合，这正是集成能降低选错单一模型风险的原因。

组合方式有两种。推荐默认的概率集成对每个成员给相同权重，在概率空间里汇合分位数再取所需分位，因此没有拟合步骤，也没有需要为新序列调的超参数；IQR 集成则按预测离散程度自适应分配权重，适合做对比实验。

输出既有中位数点预测，也有默认 0.1 到 0.9 的分位数，应用可以把点值当作中心预测，用分位数表达区间，例如 0.1 与 0.9 构成名义覆盖率 80% 的区间。使用上只需安装 granite-tsfm 并加载模型仓库，配方保存的是配置而非合并后的权重。

这一点也带来一个工程细节：由于配方在运行时下载四个成员权重，第一次运行需要预留额外时间；完整配置、成员清单、评测与局限都可以在模型卡里查到。

对企业来说，这个发布解决的是从原型到生产之间的一段摩擦：需求预测、工业监测、容量规划这些场景，往往由没有专职时序建模团队的团队维护。一个许可证宽松、接口统一、可替换成员的默认方案，比一个更强的单模型更容易被真正用起来。接下来值得关注的是公开基准上的表现，以及社区能否用同一接口接入自有模型。