FMTK：用于可组合时间序列基础模型管道的模块化工具包
机器学习
2025-12-02 v1 人工智能
摘要
基础模型 (Foundation Models, FMs) 由于其能够以最小或无需进一步训练的方式适应新型和未见任务的能力，为机器学习应用开辟了新途径。时间序列基础模型 (TSFMs) —— 在时间序列数据上训练的FMs —— 在分类、回归和插值任务中表现出色。最近的管道将TSFMs与任务特定的编码器、解码器和适配器组合在一起以提高性能；然而，组装此类管道通常需要特定模型的 ad hoc 实现，阻碍了模块化和可重复性。我们引入FMTK，这是一个开源、轻量且可扩展的工具包，用于通过标准化的 backbone 和组件抽象构建和微调TSFM管道。FMTK实现了跨模型和任务的灵活组合，平均仅需七行代码即可实现正确性和性能。https://github.com/umassos/FMTK
引用
@article{arxiv.2512.01038,
title = {FMTK: A Modular Toolkit for Composable Time Series Foundation Model Pipelines},
author = {Hetvi Shastri and Pragya Sharma and Walid A. Hanafy and Mani Srivastava and Prashant Shenoy},
journal= {arXiv preprint arXiv:2512.01038},
year = {2025}
}