Mistral AI បានចេញផ្សាយ Timestral ដែលជាក្រុមគ្រួសារដំបូងនៃម៉ូដែលមូលដ្ឋានគ្រឹះស៊េរីពេលវេលា ហើយការចេញផ្សាយស្ងាត់ៗឥឡូវនេះទទួលបានសកម្មភាពទីពីរយ៉ាងខ្លាំង៖ សេចក្តីប្រកាសដែលបានចេញផ្សាយនៅលើប្លក់របស់ Mistral នៅថ្ងៃទី 15 ខែតុលា បានឈានដល់ទំព័រមុខរបស់ Hacker News នៅថ្ងៃទី 19 ខែតុលា ដែលវាបានទាក់ទាញការបោះឆ្នោតរាប់រយ។ ទីលាននេះគឺមិនធម្មតាសម្រាប់យុគសម័យមូលដ្ឋានគ្រឹះ - ការព្យាករណ៍ទាន់សម័យពីម៉ូដែលតូចៗរហូតដល់ 5 លានទៅ 209 លានប៉ារ៉ាម៉ែត្រដែលដំណើរការលើស៊ីភីយូម៉ាស៊ីនមេធម្មតា។

ទីមួយនៅលើគោលសំខាន់ៗទាំងបី For more context on this story, see our ongoing artificial intelligence updates.

Mistral និយាយថាគំរូ Timestral ដ៏ធំបំផុតរបស់វានៅត្រឹមតែ 209M ប៉ារ៉ាម៉ែត្រប៉ុណ្ណោះដែលជាប់ចំណាត់ថ្នាក់លេខ 1 លើស្តង់ដារសាធារណៈសំខាន់ៗទាំងបីនៃវាល - GIFT-Eval, TIME និង fev-bench - ដំណើរការលើសពីស្ថានភាពសិល្បៈពីមុនដែលមានប៉ារ៉ាម៉ែត្រប្រហែល 2/3 ។ លទ្ធផលត្រូវបានដាក់ជូនតារាងពិន្ទុ GIFT-Eval និង TIME ហើយ Mistral កត់ចំណាំថាលេខបានមកពីកន្លែងត្រួតពិនិត្យតែមួយ ដោយមិនមានការប្រមូលផ្តុំ។

ការប្រៀបធៀបទំហំគឺជាផ្នែកដ៏គួរឱ្យចាប់អារម្មណ៍។ Mistral រាយការណ៍ថាម៉ូដែល 28M យកឈ្នះ Chronos-2 ដែលជាម៉ូដែលធំជាង 4 ដងនៅលើ GIFT-Eval និង TIME ខណៈដែលម៉ូដែល 209M យកឈ្នះ TimesFM-3 និង Falcon-2.0 ដែលមានប៉ារ៉ាម៉ែត្រតិចជាង។ ក្រុមហ៊ុននិយាយថាគ្រប់ទំហំទាំងអស់នៅក្នុងគ្រួសារគឺស្ថិតនៅលើផ្នែកខាងមុខនៃ Pareto នៃភាពត្រឹមត្រូវធៀបនឹងទំហំគំរូ មានន័យថាគ្មានការព្យាករណ៍គំរូសាធារណៈប្រសើរជាងនៅពេលរាប់ប៉ារ៉ាម៉ែត្រដូចគ្នា។

បង្កើតឡើងសម្រាប់ទិន្នន័យសហគ្រាស គ្មាននរណាម្នាក់ Tweets អំពី

ស៊េរីពេលវេលាគឺមិនគួរឱ្យជឿទេ ប៉ុន្តែមានគ្រប់ទីកន្លែង៖ តេឡេម៉ែត្ររបស់ឧបករណ៍ចាប់សញ្ញា រង្វាស់នៃការសង្កេត បន្ទុកថាមពល លំហូរខ្សែសង្វាក់ផ្គត់ផ្គង់ បរិមាណហិរញ្ញវត្ថុ។ ទឡ្ហីករណ៍របស់ Mistral គឺថានេះជាកន្លែងដែលបច្ចេកទេសគ្រឹះ-គំរូបានចុះចតទទេ។ ឧបករណ៍បុរាណដូចជា ARIMA សមនឹងស៊េរីតែមួយនៅក្នុងភាពឯកោ ហើយគំរូសិក្សាស៊ីជម្រៅដូចជា PatchTST ជាធម្មតាត្រូវបានបណ្តុះបណ្តាលតាំងពីដំបូងក្នុងមួយសំណុំទិន្នន័យ ដូច្នេះគ្មានអ្វីផ្ទេរទៅដែនថ្មីទេ។

Timestral យកសៀវភៅលេងមុនការបណ្តុះបណ្តាលពីគំរូភាសា ហើយអនុវត្តវាទៅលំដាប់លេខ។ បានទទួលការបណ្តុះបណ្តាលលើសារពាង្គកាយដ៏ធំ និងចម្រុះ វាព្យាករណ៍ពីការបាញ់សូន្យលើទិន្នន័យដែលវាមិនធ្លាប់ឃើញ — រួមទាំងដែនដែលប្រវត្តិដាក់ស្លាកគឺខ្វះខាត។

ម៉ូដែលនេះបង្កើតការព្យាករណ៍ដែលទំនង ពហុបំរែបំរួលនៅទូទាំង 21 quantile និងទទួលយកព័ត៌មានចំហៀងបីប្រភេទ៖ covariates អតីតកាលតែប៉ុណ្ណោះ ការកំណត់អនាគតដែលគេស្គាល់ដូចជាកាលវិភាគផលិតកម្ម ឬការព្យាករណ៍អាកាសធាតុ និងប្រភេទដូចគ្នាទៅនឹងស្ថានភាពរបស់ម៉ាស៊ីន (កំពុងដំណើរការ ទំនេរ ស្ថិតក្រោមការថែទាំ) ដែលនឹងត្រូវបានបង្ខូចទ្រង់ទ្រាយប្រសិនបើលេខត្រូវបានអ៊ិនកូដជាធម្មតា។

សេដ្ឋកិច្ចស៊ីភីយូ

ប្រហែលជាព័ត៌មានលម្អិតដ៏សំខាន់បំផុតសម្រាប់ពាណិជ្ជកម្ម៖ Timestral មិនត្រូវការ GPU តាមការសន្និដ្ឋាន។ Mistral និយាយថានៅលើស៊ីភីយូម៉ាស៊ីនមេស្តង់ដារដែលមាន 8 threads Mistral និយាយថាការព្យាករណ៍មួយថ្ងៃមុនពីបីសប្តាហ៍នៃប្រវត្តិ 15 នាទីត្រូវចំណាយពេល 10 មិល្លីវិនាទីជាមួយនឹងម៉ូដែល 5M និង 140 មីលីវិនាទីជាមួយនឹងម៉ូដែល 209M ។ វ៉ារ្យ៉ង់ 123M កើតឡើងក្នុង 0.2% នៃពិន្ទុរបស់ស្មាតហ្វូននៅ 3 ភាគ 4 នៃភាពយឺតយ៉ាវរបស់វា។

នោះធ្វើឱ្យការព្យាករណ៍ជាបន្តបន្ទាប់នៅទូទាំងឧបករណ៍ចាប់សញ្ញារាប់ពាន់ ដែលជាកងនាវាទាំងមូលរបស់រោងចក្រឧស្សាហកម្ម ដែលជាសំណើផ្នែករឹងទូទៅជាជាងគម្រោងចង្កោម GPU ។

នៅក្រោមក្រណាត់: ការភ្នាល់បច្ចេកទេសចំនួនបួន

Mistral ផ្តល់កិត្តិយសដល់លទ្ធផលទៅនឹងបច្ចេកទេសជាច្រើន ដែលវាគ្រោងនឹងលម្អិតនៅក្នុងរបាយការណ៍បច្ចេកទេសនាពេលខាងមុខ៖

  • Decoupled Horizon Forecasting (DHF)។ នៅក្នុងវិធីសាស្រ្តឌិកូដមូលហេតុដូចជា Toto 2.0 និង TimesFM-3 តម្លៃដែលត្រូវព្យាករណ៍ត្រូវបានបិទបាំង និងបាត់បង់ជាបរិបទ។ DHF រក្សាប្រវត្តិពេញលេញនៅក្នុងលំដាប់ខណៈពេលដែលសញ្ញាសម្គាល់ការព្យាករណ៍ដែលបានសិក្សាអានវា ដូច្នេះរាល់តម្លៃដែលបានសង្កេតឃើញមានតួនាទីជាគោលដៅ និងបរិបទ ហើយចន្លោះប្រហោងពិតត្រូវបានសម្គាល់ថាបាត់។
  • ការយកចិត្តទុកដាក់ដោយការយល់ដឹងអំពីCovariate។ ស៊េរីបញ្ចូលនីមួយៗត្រូវបានផ្តល់តួនាទីមួយ — គោលដៅ កូវ៉ារីតតែអតីតកាល ឬកូវ៉ារីតដែលគេស្គាល់នាពេលអនាគត — ជាមួយនឹងព័ត៌មានដែលហូរតែពី covariate ទៅកាន់គោលដៅ ដូច្នេះប្រតិទិនថ្ងៃឈប់សម្រាកអាចជូនដំណឹងអំពីការព្យាករណ៍ដោយមិនមានការលេចធ្លាយអនាគតរបស់គោលដៅ។
  • ទិន្នន័យដំបូងសំយោគ។ ទិន្នន័យបណ្ដុះបណ្ដាលភាគច្រើនគឺសំយោគ៖ ដំណើរការឯកវចនៈជាមួយនឹងនិន្នាការស៊ីសង្វាក់គ្នា រដូវកាល និងសំឡេង រួមបញ្ចូលគ្នាដោយឧបករណ៍សំយោគចម្រុះដែលណែនាំភាពអាស្រ័យមិនលីនេអ៊ែររវាងពួកវា។
  • ការបណ្តុះបណ្តាលពីរដំណាក់កាល។ ការបណ្តុះបណ្តាលជាមុនលើទិន្នន័យសំយោគសុទ្ធសាធនៅបរិបទ 8,192 បន្ទាប់មកការបណ្តុះបណ្តាលក្រោយការបង្រួបបង្រួមនៃទិន្នន័យពិត និងសំយោគជាមួយនឹងបរិបទវែងជាង 4x ដោយប្រើការខាតបង់ pinball លើសពី 21 quantiles ជាការប៉ាន់ស្មានដាច់ដោយឡែកនៃ CRPS ។

Open Weights, Air-Gapped Deployment

គ្រួសារនេះដឹកជញ្ជូនជាបួនទំហំគឺ 5M, 28M, 123M និង 209M ប៉ារ៉ាម៉ែត្រ — ជាមួយនឹងប្រវែងបរិបទនៃ 32,768 ជំហាន។ Weights ត្រូវបានបោះពុម្ពនៅលើ Hugging Face ក្រោមអាជ្ញាប័ណ្ណ MIT ដែលបានកែប្រែ ហើយ Mistral បានចេញផ្សាយឃ្លាំង GitHub សម្រាប់ដំណើរការម៉ូដែលនៅលើទិន្នន័យឯកជន។ របាយការណ៍បច្ចេកទេសពេញលេញត្រូវបានសន្យាថានឹងធ្វើតាម។

សម្រាប់សហគ្រាសដែលត្រូវការបន្ថែម Timestral អាចរកបានតាមរយៈ Mistral Forge ដែលជាបំពង់បណ្តុះបណ្តាលរបស់ក្រុមហ៊ុន គាំទ្រការកែតម្រូវលើទិន្នន័យកម្មសិទ្ធិ ការពង្រីកស្ថាបត្យកម្មជាក់លាក់នៃដែន និងការគ្រប់គ្រងលើល្បាយបណ្តុះបណ្តាល — ជាមួយនឹងការដាក់ពង្រាយលើផ្នែករឹងរបស់អតិថិជន រួមទាំងបរិយាកាសដែលមានខ្យល់ចេញចូលផងដែរ។ Mistral បាននិយាយយ៉ាងច្បាស់ថា បំពង់បង្ហូរប្រេងអាចធានាថាគ្មានអ្វីដែលឃើញក្នុងអំឡុងពេល backtesting គឺនៅក្នុងទិន្នន័យមុនការបណ្តុះបណ្តាល ដែលជាការទាមទារគួរឱ្យកត់សម្គាល់សម្រាប់អតិថិជនផ្នែកហិរញ្ញវត្ថុ និងឧស្សាហកម្មដែលបានគ្រប់គ្រង។

ក្រុមហ៊ុនក៏បានគូសវាសអនាគតភ្នាក់ងារសម្រាប់ម៉ូដែលនេះផងដែរ៖ ស្ទ្រីមឧបករណ៍ចាប់សញ្ញាមើល Timestral សម្គាល់ភាពមិនធម្មតានៅលើស្នប់ បន្ទាប់មកប្រគល់ទៅឱ្យភ្នាក់ងារគំរូភាសាដែលទាញយកការបរាជ័យក្នុងប្រវត្តិសាស្ត្រស្រដៀងគ្នា ដំណើរការការវិភាគឫសគល់លើកំណត់ត្រាថែទាំ និងការផ្លាស់ប្តូរកំណត់ហេតុ និងព្រាងការវិនិច្ឆ័យសម្រាប់អ្នកគ្រប់គ្រងរោងចក្រ។

ហេតុអ្វីវាសំខាន់

ការចេញផ្សាយនេះគឺជាការរំលឹកថាការប្រណាំងគំរូមូលដ្ឋានគឺមិនត្រឹមតែអំពី LLMs ពាន់ពាន់លានប៉ារ៉ាម៉ែត្រប៉ុណ្ណោះទេ។ ការព្យាករណ៍គឺជាបន្ទុកការងារ AI ដែលមានបរិមាណខ្ពស់បំផុតនៅក្នុងឧស្សាហកម្ម ហើយគំរូ 209M-parameter ដែលដឹកនាំការវាយតម្លៃសាធារណៈនៅពេលដំណើរការលើ CPU អាចផ្លាស់ប្តូរថវិកាពិតប្រាកដ។ វាក៏ធ្វើពិពិធកម្មផលប័ត្ររបស់ Mistral លើសពីម៉ូដែលភាសានៅពេលមួយ ដែលមន្ទីរពិសោធន៍ដែលមានមូលដ្ឋាននៅទីក្រុងប៉ារីស ដែលទើបនឹងដំឡើងថ្លៃ 3 ពាន់លានអឺរ៉ូ ក្នុងតម្លៃ 21 ពាន់លានអឺរ៉ូ កំពុងដាក់ទីតាំង AI អ៊ឺរ៉ុបជុំវិញអធិបតេយ្យភាព ប្រសិទ្ធភាព និងការដាក់ពង្រាយនៅនឹងកន្លែង — ប្រអប់ទាំងអស់ Timestral ពិនិត្យដោយការរចនា។

_ អត្ថបទនេះគឺផ្អែកលើការប្រកាសជាផ្លូវការរបស់ Mistral ថ្ងៃទី 15 ខែតុលា ឆ្នាំ 2026។_

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →