Une prépublication mise en ligne sur arXiv le 9 octobre par un chercheur de Polytechnique Montréal examine si la prévision de séries temporelles doit utiliser la même profondeur de calcul pour chaque entrée. L’étude a évalué des masques structurés qui contournent des blocs Transformer à l’inférence dans les modèles préentraînés Chronos-Bolt et TimesFM 2.5. Les masques ont été choisis uniquement sur des fenêtres de calibration, puis testés sur 1 088 fenêtres tenues à l’écart issues des jeux ETTh1, Traffic, Weather et Exchange.

L’auteur indique qu’à un niveau d’omission modéré, l’activation de 7 des 11 blocs candidats de Chronos-Bolt et de 16 des 20 blocs de TimesFM a peu modifié la qualité relative moyenne des prévisions sur les jeux de données, tout en réduisant la latence médiane A100 par lot d’un élément de 11,2 % et 13,4 %, respectivement. Une omission plus agressive a nettement dégradé les prévisions de Traffic et Weather. Le meilleur masque variait selon la fenêtre, mais l’étude précise ne pas fournir de méthode déployable pour le choisir de manière fiable pour chaque nouvelle entrée. Les résultats portent sur deux modèles, quatre jeux de données et le matériel testé ; il s’agit d’une prépublication qui n’a pas encore été évaluée par les pairs.