核心发布

IBM Granite团队于上海时间10月22日经Hugging Face官方博客发布Granite Timeseries Ensemble R1。这不是单一权重合并，而是一个可扩展集成框架与配方仓库：默认配方将四个互补的Granite时序基础模型组合为一次调用，免训练、免拟合集成权重，直接返回中位数点预测与分位数概率预测。官方同时给出模型卡、快速入门笔记本与granite-tsfm代码库入口，配方本身按Apache-2.0提供，默认Granite成员为宽松许可，已可公开获取。对中国用户而言，其价值在于把选哪个时序基础模型的问题收敛为一个可复现的默认起点，尤其适合工业信号、零售需求与长季节周期的零样本预测验证。

能力与访问条件

默认配方集成PatchTST-FM-r1补丁Transformer、PatchTST-FM-r2补丁Conformer、FlowState-r1.1状态空间模型与TTM-r3轻量混合器四种架构，分别捕捉趋势、季节性与局部波动。安装需执行pip install granite-tsfm大于等于0.3.11，以QuantileEnsembleForecaster.from_pretrained加载ibm-granite/granite-timeseries-ensemble-r1，指定时间戳列、目标列、上下文长度与预测长度即可得到prediction与quantile输出，默认分位数为0.1至0.9，0.1与0.9界定名义80%区间。配方只存配置不合并权重，运行期从各自仓库下载成员检查点，首次运行需预留时间。另有recipes/granite-iqr自适应配方与扩展配方可比对，扩展配方引用另行许可的IBM研究检查点，使用前需逐一核对模型卡许可。

与既有方案的实质差异与评测条件

与逐任务训练或单架构零样本预测相比，该集成把概率池化与分位数提取固定为无需拟合的规则：推荐默认的概率集成对四成员等权池化，备选的四分位距集成按预测区间宽度自适应加权，并以等渗回归保证分位数不交叉。官方在97组GIFT-Eval配置上零样本评测，未用测试目标选择或拟合聚合方法：概率集成MASE为0.683，优于最强单成员PatchTST-FM-r2的0.685，平均MASE排名更优；四分位距集成在概率指标平均排名上最优，单成员在聚合CRPS绝对值上仍占优。官方强调MASE领先幅度很小，主要收益是稳健性而非登顶榜单，结论限受控基准、固定配方与有限上下文，不应视为普遍保证。

限制与适用对象

官方明确的边界是：当前配方对多变量通道独立预测，不利用跨通道信息；同时加载四个检查点，推理延迟与显存高于单成员；成员上下文上限、视野、预处理与缺失值处理各异，两种聚合均不保证校准与分布漂移下的稳健性，四分位距加权可能偏向过度自信的成员。应用前需在代表性历史窗口上同条件比对概率集成、四分位距集成与PatchTST-FM-r2，兼看MASE、分位数损失与0.1至0.9区间的经验覆盖，并记录耗时与内存。不涉及价格与配额变化，商用需遵守Apache-2.0与各成员仓库许可，时序数据需自行做脱敏与合规评估。