IBM Research 介绍了 Granite Timeseries Ensemble R1，将四种不同架构的预训练时间序列模型在不重训练、不拟合权重的前提下组合为统一预测接口，提供等权概率与基于IQR的自适应加权两种聚合方法。评测显示集成在单点预测上有小幅改进，但在概率预测误差上并非全面领先，部署仍需权衡推理成本、校准与多变量限制。
IBM Research在2026年10月22日发表技术文章，介绍如何将四个采用不同架构的Granite时间序列模型组合起来，在不重新训练模型、不拟合集成权重的情况下，输出单点预测及反映不确定性的分位数预测。
这套名为Granite Timeseries Ensemble R1的方案，试图解决预训练预测模型落地时的一个实际问题：模型可以直接处理新数据，但开发者仍要判断，哪一种架构最适合自己的业务。IBM给出的答案不是再训练一个更大的模型，而是提供一个统一的组合方案，让多个模型共同参与预测。
不过，IBM公布的结果也划清了它的能力边界：集成方案在综合单点预测误差上略优于最强的成员模型，但概率预测误差并非全面领先。它更适合作为减少选型试错的起点，而不是无需验证的通用赢家。
这次介绍的是组合方法，不是四个新模型
根据IBM Research的原始文章，默认组合包含PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1和TTM-r3，分别采用分片Transformer、分片Conformer、状态空间模型和轻量级MLP混合器架构。
这些模型处理趋势、季节性和局部变化的方式不同。组合它们的理由是：不同模型可能在不同场景下出错，而这些错误未必完全重合。相较于事先押注某一个模型，综合多个预测有机会降低选错架构的风险。
其中，PatchTST-FM-r2并不是本次才出现的模型。本站在9月的相关报道中，已介绍它用Conformer模块结合注意力机制与卷积的设计。本次文章的重点，是如何把这类不同架构放进同一套预测接口。
时间上也需要区分：10月22日是技术文章的发表日期，不能直接当作集成方案首次公开的日期。其官方模型卡已经列出9月28日的评测快照，说明这套方案在本次文章发表前就已存在。
模型仓库存放的也不是把四套权重合并后得到的一个新模型，而是可复用的集成配置。运行时，系统仍需从各自的仓库下载并加载成员模型。因此，“无需重新训练”并不意味着只需运行一个模型，也不意味着没有额外的计算成本。
等权组合与自适应加权，分别相信什么
IBM提供了两种主要聚合方法，推荐首先尝试的是Probabilistic Ensemble，即等权概率池化。
按照官方说明，这种方法让每个成员具有同等影响，将成员输出的分位数预测在概率空间中汇集，再提取所需的分位数。它并不是简单地把四个单点预测取平均，也不需要根据新业务的历史误差学习一组权重。
默认配置输出从0.1到0.9的九个分位数，并以0.5分位数，也就是中位数，作为单点预测。对于库存或能源调度等场景，使用者因此不仅能获得一个中心估计，也能观察预测分布的上下范围。
例如，0.1与0.9分位数构成名义覆盖率为80%的中央预测区间。但“名义80%”不是已经验证的可靠性承诺：真实观测值是否确实有相应比例落在区间内，仍要用业务数据检验。
第二种方法是IQR Ensemble，即基于四分位距的自适应加权。它利用接近第25和第75百分位的可用分位数，估计每个成员预测的离散程度；预测区间越窄，成员获得的权重越大。权重可以随样本、预测目标和未来时间步变化，但同样不是根据历史预测误差拟合出来的。
这一方法隐含的判断是，模型给出的分布宽度能够提供有用信息。然而，区间更窄也可能只是模型更自信，并不代表它更准确。IBM因此明确提醒，IQR加权可能偏向过度自信的成员。实现中的保序回归可以防止输出分位数交叉，却不能自动解决概率校准问题。
组合预测本身并不是新概念。Wang、Hyndman等人的《预测组合：逾50年研究回顾》讨论了从简单组合到时变权重、非线性组合及概率预测组合的发展。Granite这次选择的重点，是把无需拟合权重的组合方法做成可直接调用的零样本预测方案，而不是证明某一种组合规则对所有数据都有效。
评测显示小幅单点收益，概率误差仍有取舍
IBM文章采用2026年10月20日的GIFT-Eval排行榜快照，比较两种集成方法与四个成员模型，覆盖97个数据集配置。按照IBM的说明，模型没有针对这些任务进行微调，测试目标也未被用于选择或拟合聚合方法。
GIFT-Eval官方仓库确认，标准结果文件包含97个数据集配置。下表中的具体分数则来自IBM文章披露的比较，不应理解为本文进行了独立复测。
| 预测方案 | 综合MASE，越低越好 | 概率预测误差CRPS/MWQL，越低越好 |
|---|---|---|
| 等权概率集成 | 0.683 | 0.471 |
| IQR集成 | 0.684 | 0.471 |
| PatchTST-FM-r2 | 0.685 | 0.467 |
| FlowState-r1.1 | 0.701 | 0.490 |
| PatchTST-FM-r1 | 0.717 | 0.488 |
| TTM-r3 | 0.724 | 0.520 |
MASE，即平均绝对缩放误差，用于衡量单点预测表现。文章将GIFT-Eval的平均加权分位数损失指标记为CRPS/MWQL，用于比较概率预测误差。这些综合分数经过相对季节性朴素预测的归一化，并在各配置间取几何平均。
结果支持一个有限但明确的结论：两种集成方法的综合MASE都优于四个单独成员，但相对最强成员PatchTST-FM-r2的领先幅度很小。等权概率集成得到0.683，PatchTST-FM-r2为0.685，不能据此宣称准确率出现大幅跃升。
概率预测方面，PatchTST-FM-r2的综合误差仍然最低，为0.467，优于两种集成方法显示的0.471。IQR集成则在这六种方案的平均概率误差排名上表现最好。这并不矛盾：综合误差衡量的是误差大小，平均排名衡量的是各配置中的相对位置，两者可能支持不同选择。
“排名第三”的说法也有前提。IBM文章称，在其10月20日比较中，集成方案在MASE平均排名和概率误差平均排名两个维度进入符合条件系统的第三位；但比较对象经过筛选，排除了微调条目、已知采用非宽松许可或依赖此类成员的系统等。这不是完整排行榜上的无条件第三，更不是所有指标的第一。
此外，模型卡使用的是9月28日快照，其部分数值和名次与10月文章不同。不同日期的排名不能拼接使用，也不宜把某一次快照中的位置视为永久结论。
省下选型工作，也要支付四模型推理成本
对于工程团队，这套方案的直接价值是提供统一接口和可调整的成员配置。官方模型卡说明，兼容的外部预测器可以通过实现共同的Forecaster接口接入，前提是输出形状和分位数水平符合要求。开发者因此可以改变模型组合或聚合规则，而不必合并成员权重。
但这一便利有明确成本。加载四个检查点会增加内存占用和推理时间；各成员对历史窗口长度、预测跨度、预处理和缺失值的处理方式也不完全一致。究竟增加多少资源开销，需要结合实际工作负载测量，现有材料不能替代部署测试。
还有一项容易被忽视的限制：当前方案对多变量数据的各通道独立预测，不利用跨通道信息。换言之，把销量、价格和其他变量一起输入，并不意味着它会自动学习这些变量之间的关系。对于依赖跨变量信息的任务，这一边界应在选型时就加以考虑。
许可也需要逐层检查。官方模型卡将集成配置和Granite TSFM实现列为Apache-2.0许可，默认组合使用宽松许可的Granite检查点，但成员权重仍受各自仓库条款约束。可选的扩展组合还会引入另有许可条件的IBM Research检查点，其中可能包含非商业或研究用途限制，不能因为默认组合允许较宽松使用，就推定所有扩展方案都相同。
真正要验证的，是组合是否适合自己的数据
IBM建议先从等权概率集成开始，再把IQR方法和表现较强的单模型放到相同历史窗口中回测。这样的比较应尽可能还原每次预测时实际可获得的数据，而不是让模型提前看到未来信息。
评估也不应只盯着一个误差分数。除了比较MASE和分位数损失，还需要检查预测区间的实际覆盖率，并记录延迟、内存和计算成本。如果四模型组合只带来很小的误差改善，却显著增加服务开销，单模型仍可能是更合适的选择。
同样重要的是上线后的持续监测。IBM明确表示，两种聚合方法都不能保证在数据分布变化时保持可靠，也不保证预测区间已经校准。
因此，Granite Timeseries Ensemble R1的意义，不是终结时间序列模型选型，而是把“先选定一个架构”改为“先测试一个可解释、无需拟合权重的组合基线”。它是否值得采用，最终仍取决于企业自己的数据、预测跨度，以及愿意为有限精度收益承担多少推理成本。