TinyCast: Probabilistic Zero-Shot Forecasting with Computed Periodicity
TinyCast：通过计算周期实现概率零样本预测
🧭 零样本时序预测 · 轻量概率模型
RA WS Labs
146K参数零样本概率预测器，用频谱计算周期并做相位折叠，定义尺寸-精度前沿
📌 工作参考价值（4 点）
- 电商/供应链的时序预测（销量、流量、广告消耗）可借鉴“先算周期再折叠相位”：用频谱检测主周期，将序列按周期相位折叠，能大幅降低模型要学习的周期性，适合轻量模型。
- 要在端侧或广告平台 RTB 场景部署预测器，可参考其只含卷积+矩阵乘法的设计：能导出 static INT8 并端到端运行，无需逐信号拟合。
- 分位数解码器输出预测分布而非点估计，适合库存安全水位、预算控制、告警阈值等需要 uncertainty 的业务决策；比仅有点预测的小模型更可控。
- “block-autoregressive”生成未来一段再自回归，可迁移到多步需求预测/预算分配，减少长程误差累积，同时保持小参数。