Toto 2.0：时间序列预测迈入规模化时代

Emaad Khwaja; Chris Lettieri; Gerald Woo; Eden Belouadah; Marc Cenac; Guillaume Jarry; Enguerrand Paquin; Xunyi Zhao; Viktoriya Zhukov; Othmane Abou-Amal; Chenghao Liu; Ameet Talwalkar; David Asker

Toto 2.0：时间序列预测迈入规模化时代

机器学习 2026-05-20 v1 人工智能

作者: Emaad Khwaja , Chris Lettieri , Gerald Woo , Eden Belouadah , Marc Cenac , Guillaume Jarry , Enguerrand Paquin , Xunyi Zhao , Viktoriya Zhukov , Othmane Abou-Amal , Chenghao Liu , Ameet Talwalkar , David Asker

在 arXiv 上查看 ↗ PDF ↗

摘要

我们证明时间序列基础模型具有规模化特性：单一训练方案能在从 4M 到 2.5B 的参数规模上稳定提升预测质量。我们发布了 Toto 2.0，这是一个在此方案下训练的、包含五个开放权重预测模型的系列。Toto 2.0 系列在三个预测基准上设立了新的最优水平：我们的可观测性基准 BOOM、标准通用基准 GIFT-Eval，以及近期发布的抗污染基准 TIME。本报告描述了我们的实验结果，并详述了 Toto 2.0 背后的设计决策：其架构与训练方案、训练数据，以及 u-muP 超参数迁移流程。所有五个基础检查点均以 Apache 2.0 许可证发布。

关键词

时间序列预测基础模型规模化法则开放权重模型基准评估 u-muP 超参数迁移

引用

@article{arxiv.2605.20119,
  title  = {Toto 2.0: Time Series Forecasting Enters the Scaling Era},
  author = {Emaad Khwaja and Chris Lettieri and Gerald Woo and Eden Belouadah and Marc Cenac and Guillaume Jarry and Enguerrand Paquin and Xunyi Zhao and Viktoriya Zhukov and Othmane Abou-Amal and Chenghao Liu and Ameet Talwalkar and David Asker},
  journal= {arXiv preprint arXiv:2605.20119},
  year   = {2026}
}

备注

Code: https://github.com/DataDog/toto Weights: https://huggingface.co/collections/Datadog/toto-20

Toto 2.0：时间序列预测迈入规模化时代

摘要

关键词

引用

备注

相关论文