ロボティクスのセンサーログ、自動運転車のテレメトリー、病院のバイタルなど、すべての時系列データが、AI業界が長年最適化してきたテキストや動画データを圧倒しています。トランスフォーマーモデル(ClaudeやChatGPTなど)がこれをうまく予測できない理由は、連続数を離散トークンに変換するため、トークン化が問題に必要な精度を損なう可能性が高いからです。 Google、Amazon、Datadogはそれぞれ独自のモデルを構築していますが、それらのモデルは過去の数字しか見られず、決算報告や政策変更の原因は一切ありませんでした。 @synthefyincのMigas 1.5は、テキストと時系列を組み合わせて、このような外生的情報をネイティブに時系列予測に組み込んだ初のオープンウェイト基礎モデルです。初期数値:86の実世界データセットで75%+の勝率。MAEは14.2%低下。 @huggingfaceに重りをつけて。あるいは、新しいスキルを直接Claudeでダウンロードして使うこともできます。