IBM Granite Timeseries Ensemble：四款開放權重時序模型合併預測

四款模型、一個介面，唔使你逐個揀

2026 年 10 月 22 日，Hugging Face 平台刊出 IBM 嘅技術博文，介紹 Granite Timeseries Ensemble：一套將四款不同架構嘅 pre-trained 時序預測（time-series forecasting）模型組合成統一介面嘅方案。重點係唔需要重新訓練（retraining），亦冇 fitted ensemble weights，用家可以直接透過 granite-tsfm 套件（版本 >=0.3.11）喺 Hugging Face 載入。

點樣合併

「ensemble」將多個模型嘅輸出合併成一個結果，常見喺氣象預測（例如北美嘅 North American Multi-Model Ensemble）。呢套 Granite 方案思路類似：四款模型各用唔同架構捕捉趨勢、季節性同局部波動，將佢哋嘅預測合併成一個預測分佈。

每個 member 返回 quantile（分位數）預測。預設 quantile 範圍由 0.1 到 0.9；0.1 同 0.9 界定一個 nominal 80% coverage 嘅中心預測區間。prediction_outputs 提供 point forecast（點預測），quantile_outputs 提供分位數預測。

兩種主要 recipe 用唔同規則將各 member 嘅 quantile 轉成一個預測分佈：

Probabilistic Ensemble（uniform probability pooling）：每個 member 擁有同等權重，喺 probability space 合併 quantile，再提取所需 quantile。
IQR Ensemble（adaptive）。

四款架構

預設 recipe 包含四款已訓練嘅 Granite 模型，分別來自：

PatchTST-FM-r1
PatchTST-FM-r2
FlowState
Tiny Time Mixers

呢四款架構各自用唔同方式處理時序數據嘅特徵，所以佢哋嘅錯誤唔會完全重疊——呢正正係 ensemble 理論嘅核心假設：member quality 同 diversity 都重要。

授權同部署

Ensemble recipe 同預設 Granite members 採用 permissive 授權（permissively licensed）。Recipe 儲存嘅係 ensemble 配置，而唔係合併咗嘅模型權重（merged model weights）。首次運行時會下載四個 member checkpoints，用家需額外預留時間。