<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>TimesFM 3.0 on C.CUI's Log</title><link>https://cuicaihao.github.io/zh/tags/timesfm-3.0/</link><description>Recent content in TimesFM 3.0 on C.CUI's Log</description><generator>Hugo</generator><language>zh-Hans</language><lastBuildDate>Sat, 07 Nov 2026 10:30:00 +1100</lastBuildDate><atom:link href="https://cuicaihao.github.io/zh/tags/timesfm-3.0/index.xml" rel="self" type="application/rss+xml"/><item><title>时序基础模型 Google TimesFM（上）：模型算法和工程实践</title><link>https://cuicaihao.github.io/zh/posts/2026-11-07-dissecting-google-timesfm-architecture-and-algorithms/</link><pubDate>Sat, 07 Nov 2026 10:30:00 +1100</pubDate><guid>https://cuicaihao.github.io/zh/posts/2026-11-07-dissecting-google-timesfm-architecture-and-algorithms/</guid><description>时序基础模型榜单上的模型众多，工程选型不能只看平均排名。本文拆解 Google TimesFM 从 1.0 到 3.0 的演进：输入切片与局部归一化保持稳定，解码从 128 步长输出头改为 3.0 的 CPM 并行填充，协变量从外挂线性岭回归转向原生多变量注意力，开源权重也分化出商用与非商用两条路径。</description></item><item><title>要不要在一片森林中建起一座“通天塔”：浅析时序基础模型与工程落地</title><link>https://cuicaihao.github.io/zh/posts/2026-11-01-time-series-foundation-models-vs-gbdt-practical-guide/</link><pubDate>Sun, 01 Nov 2026 07:00:00 +1100</pubDate><guid>https://cuicaihao.github.io/zh/posts/2026-11-01-time-series-foundation-models-vs-gbdt-practical-guide/</guid><description>“大模型预测时间序列”其实包含两条完全不同的路线：一种是给语言模型套上适配层，实验显示去掉语言模型后精度基本持平，训练却快了数倍到上千倍；另一种是专为时间序列从头预训练的小型基础模型，在新品冷启动和带促销的预测上展现出可观潜力。本文梳理两者的工程现实与落地选型。</description></item></channel></rss>