物界前沿物界前沿 · 资讯情报卡（Hacker News · 2026/10/30）
实测：Timestral零样本预测需约两天数据才优于简单规则
核心事实
- Winder于2026年10月对Mistral新模型Timestral进行零样本预测测试。
- 零售数据上Timestral误差比AutoETS低14%，比LightGBM低3%。
- 电力需求预测需约两天半小时数据，零售需八周销量才优于重复上周。
- 历史数据不足两个月时，跨产品训练模型表现优于单产品历史。
- 面对未出现过的季节变化，Timestral预测失效，简单机理模型误差不足其三分之一。
关键数据
14%零售误差较AutoETS降低
3%零售误差较LightGBM降低
约2天电力需求预测所需最少数据
8周零售预测所需最少数据
物界观察
预训练时序模型在数据充足时确有优势，但冷启动和分布外场景仍是软肋。厂商宣传的零样本能力需打折扣：用户若数据不足两月，传统模型或跨产品迁移更可靠。这提醒行业，基础模型不是万能药，场景适配和机理知识仍不可替代。