Chronos-2：単変量予測から汎用予測へ

Chronos-2: From Univariate to Universal Forecasting

October 17, 2025

著者: Abdul Fatir Ansari, Oleksandr Shchur, Jaris Küken, Andreas Auer, Boran Han, Pedro Mercado, Syama Sundar Rangapuram, Huibin Shen, Lorenzo Stella, Xiyuan Zhang, Mononito Goswami, Shubham Kapoor, Danielle C. Maddix, Pablo Guerron, Tony Hu, Junming Yin, Nick Erickson, Prateek Mutalik Desai, Hao Wang, Huzefa Rangwala, George Karypis, Yuyang Wang, Michael Bohlke-Schneider

cs.AI

要旨

事前学習済み時系列モデルは、タスク固有の学習を必要とせずに正確な予測を生成する推論専用の予測システムを可能にしました。しかし、既存のアプローチは主に単変量予測に焦点を当てており、多変量データや共変量が重要な役割を果たす現実世界のシナリオでの適用性が制限されています。本論文では、単変量、多変量、および共変量を考慮した予測タスクをゼロショットで処理可能な事前学習済みモデルであるChronos-2を提案します。Chronos-2は、グループ内の複数の時系列間で効率的な情報共有を促進するグループアテンションメカニズムを採用しており、これにより、関連する系列の集合、多変量系列の変量、または予測タスクにおけるターゲットと共変量を表すグループ内での文脈内学習（ICL）を可能にします。これらの汎用的な能力は、単変量系列に多様な多変量構造を課す合成データセットでの学習を通じて実現されています。Chronos-2は、fev-bench、GIFT-Eval、およびChronos Benchmark IIという3つの包括的なベンチマークで最先端の性能を発揮します。特に、多変量および共変量を考慮した予測を重視するfev-benchでは、Chronos-2の汎用的なICL能力により、既存モデルを大幅に上回る改善が見られます。共変量を伴うタスクでは、一貫してベースラインを大きく上回る性能を示します。エネルギーおよび小売業界でのケーススタディは、その実用的な利点をさらに強調しています。Chronos-2の文脈内学習能力は、現実世界の予測パイプラインで「そのまま」使用可能な汎用予測モデルとしての地位を確立しています。

English

Pretrained time series models have enabled inference-only forecasting systems that produce accurate predictions without task-specific training. However, existing approaches largely focus on univariate forecasting, limiting their applicability in real-world scenarios where multivariate data and covariates play a crucial role. We present Chronos-2, a pretrained model capable of handling univariate, multivariate, and covariate-informed forecasting tasks in a zero-shot manner. Chronos-2 employs a group attention mechanism that facilitates in-context learning (ICL) through efficient information sharing across multiple time series within a group, which may represent sets of related series, variates of a multivariate series, or targets and covariates in a forecasting task. These general capabilities are achieved through training on synthetic datasets that impose diverse multivariate structures on univariate series. Chronos-2 delivers state-of-the-art performance across three comprehensive benchmarks: fev-bench, GIFT-Eval, and Chronos Benchmark II. On fev-bench, which emphasizes multivariate and covariate-informed forecasting, Chronos-2's universal ICL capabilities lead to substantial improvements over existing models. On tasks involving covariates, it consistently outperforms baselines by a wide margin. Case studies in the energy and retail domains further highlight its practical advantages. The in-context learning capabilities of Chronos-2 establish it as a general-purpose forecasting model that can be used "as is" in real-world forecasting pipelines.