Chronos-2: 단변량 예측에서 범용 예측으로의 진화

Chronos-2: From Univariate to Universal Forecasting

October 17, 2025

저자: 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

초록

사전 학습된 시계열 모델은 작업별 훈련 없이도 정확한 예측을 생성할 수 있는 추론 전용 예측 시스템을 가능하게 했습니다. 그러나 기존 접근 방식은 주로 단변량 예측에 초점을 맞추고 있어, 다변량 데이터와 공변량이 중요한 역할을 하는 실제 시나리오에서의 적용 가능성이 제한적입니다. 우리는 단변량, 다변량 및 공변량 기반 예측 작업을 제로샷 방식으로 처리할 수 있는 사전 학습된 모델인 Chronos-2를 제시합니다. Chronos-2는 그룹 내 여러 시계열 간의 효율적인 정보 공유를 통해 컨텍스트 내 학습(ICL)을 가능하게 하는 그룹 어텐션 메커니즘을 사용합니다. 이 그룹은 관련 시계열 집합, 다변량 시계열의 변수, 또는 예측 작업의 목표와 공변량을 나타낼 수 있습니다. 이러한 일반적인 기능은 단변량 시계열에 다양한 다변량 구조를 부과하는 합성 데이터셋을 통해 학습함으로써 달성됩니다. Chronos-2는 fev-bench, GIFT-Eval, Chronos Benchmark II라는 세 가지 포괄적인 벤치마크에서 최첨단 성능을 보여줍니다. 다변량 및 공변량 기반 예측을 강조하는 fev-bench에서 Chronos-2의 보편적인 ICL 기능은 기존 모델 대비 상당한 개선을 이끌어냅니다. 공변량이 포함된 작업에서는 일관되게 넓은 차이로 베이스라인을 능가합니다. 에너지 및 소매 분야의 사례 연구는 Chronos-2의 실용적인 이점을 더욱 부각시킵니다. Chronos-2의 컨텍스트 내 학습 기능은 실제 예측 파이프라인에서 "그대로" 사용할 수 있는 범용 예측 모델로서의 입지를 확고히 합니다.

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.