Журнали сенсорів робототехніки, телеметрія автопілотів, життєві показники лікарень — усі часові ряди, все це значно перевищує текстові та відеодані, які індустрія штучного інтелекту роками оптимізувала. І причина, чому трансформерні моделі (Claude, ChatGPT тощо) не можуть так добре прогнозувати: вони перетворюють безперервні числа на дискретні токени, і ця токенізація, ймовірно, руйнує ту точність, яка потрібна задачі. Google, Amazon, Datadog створили власні моделі для компенсації, але ці моделі бачили лише історичні цифри, а не звіт про прибутки чи зміни політики, які їх спричинили. Migas 1.5 від @synthefyinc — це перша модель відкритих ваг, яка поєднує текст і часові ряди для індукції такої екзогенної інформації у нативне прогнозування часових рядів. Початкові показники: 75%+ відсоток перемог у 86 реальних наборах даних. На 14,2% нижче MAE. Ваги на @huggingface. Або завантажте і використайте їхню нову навик безпосередньо в Claude.