基于xLSTM的时间序列模型TiRex在预测准确性方面显著优于竞争模型

• 在官方国际排行榜上排名第一

• 3500万参数 - 小型快速模型

• 提供专家级预测，非专业人士也能使用

• 即使数据有限也能表现出色

• 内存效率高，可为嵌入式AI定制

总部位于奥地利的NXAI公司推出了其首款基于新型xLSTM架构的时间序列模型TiRex，并立即在国际知名基准排行榜上占据榜首。尽管只有3500万参数，TiRex比其竞争对手小得多，内存效率更高。它不仅在预测精度方面表现出色，而且速度也显著更快。

“我们不再谈论微小的改进——TiRex在质量上实现了对其他模型的巨大飞跃，无论是短期还是长期预测，”NXAI公司林茨分部的首席科学家Sepp Hochreiter教授解释道。

NXAI的TiRex模型利用上下文学习，实现了零样本预测——在无需额外训练的情况下，对新数据集进行准确预测。

“这使得非专业人士也能使用该模型进行预测，并便于集成到现有工作流程中。此外，当数据可用性有限时，预测准确性的改进尤其明显，”NXAI研究员安德烈亚斯·奥尔解释道。

这开辟了新的数字产品模式：例如，机械制造商可以为客户提供基于TiRex的优化或调试解决方案。得益于上下文学习，该模型能够自动适应客户数据，无需重新训练。“关键在于模型对未知时间序列的泛化能力——而TiRex在这方面表现出色，”Hochreiter补充道。

一个决定性的优势在于该模型能够持续监控、分析和更新系统状态——这被称为状态跟踪。基于Transformer的方法缺乏这种能力。而TiRex能够随时间近似隐藏或潜在状态，从而提高预测性能。其架构还提供了另一个主要优势：它可适应硬件并支持嵌入式AI应用。

🦖

模型： https://huggingface.co/NX-AI/TiRex

论文： https://arxiv.org/abs/2505.23719

Github： https://github.com/NX-AI