#语言模型架构

Chronos-T5-Small是一款基于T5架构的预训练时间序列预测模型。该模型将时间序列转换为标记序列，通过交叉熵损失训练语言模型实现预测。经过大量公开时间序列数据和合成数据的训练，Chronos-T5-Small能够生成概率性预测结果。作为Chronos系列中的中等规模版本，这个拥有4600万参数的模型适用于多种时间序列预测任务。

Chronos-T5-Tiny是一款轻量级时间序列预测模型，基于T5架构设计。该模型将时间序列转换为token序列进行训练，能够生成概率性预测并支持多轨迹采样。与原始T5相比，Chronos-T5-Tiny仅使用4096个不同token，参数量减少至800万，更加精简高效。研究人员和开发者可通过简洁的Python接口快速应用此模型进行时间序列分析。