EXAONE Demand：需求预测基础模型的专门语料与适配器

时间序列基础模型 (TSFM) 对来自不同领域的序列进行预训练，其中需求序列仅占一小部分。需求数据具有此类语料库很少包含的属性：短历史、频繁的零、缺货造成的观测截断以及该序列未记录的外生事件。为此，我们提出了 EXAONE Demand，它建立在 1) 特定于需求的语料库和 2) 需求感知适配器的基础上。对于语料库，我们收集了来自 73 个来源的 11.3M 个系列和 48.4B 个观察结果，并且合成生成器提供了开放需求数据无法充分表征的行为。对于适配器，我们将低秩分支附加到冻结的通用域主干上，每个分支对应四种需求类别（平滑、间歇、不稳定和块状），并且读取输入系列的八个无标度统计数据的路由器决定每个分支贡献多少。我们构建了两个版本的 EXAONE Demand，一种版本同时针对现实世界和合成需求进行训练，另一种版本仅针对合成语料库进行训练。在 22 个留出数据集上，两个版本都优于 36 个 TSFM，并且现实世界的需求比单独的合成数据增加了增益。