TinyCast：具有计算周期的概率零样本预测

我们引入了 TinyCast，这是一种无需注意的零样本预测器，它可以根据 146,505 个参数发出预测分布，前提是在这种规模下，上下文的周期结构值得计算而不是学习。零参数频谱检测器提供主要周期，上下文在其相位上折叠，扩张卷积编码器和块自回归分位数解码器对其余部分进行建模。它比可以建立参数计数的 GIFT-Eval 板上的每个零样本条目都要小。在概率精度上，它定义了尺寸精度边界。在声明没有测试数据泄漏的零样本条目中，它是唯一一个低于 1.4M 参数的条目，可以发出预测分布，并且每个得分更好的条目都至少携带该预算。在 Chronos-ZS 和 fev-bench 上，前面的每个神经模型都携带至少 28 倍的参数。由于混合路径仅是卷积和矩阵乘法，因此它会导出到静态 INT8 并在嵌入式设备上进行端到端预测，而无需按信号拟合。