TEMPO

用提示词调教时间序列预测，跨领域泛化更强

TEMPO 是一个基于提示词（prompt）的生成式预训练Transformer模型，专为时间序列预测任务设计，是ICLR 2024的官方开源实现。它针对传统时间序列模型难以适应不同领域和分布变化的问题，通过引入提示词机制，将预训练知识灵活迁移到各类下游预测任务中，无需针对每个任务重新训练。TEMPO 支持多变量、多步长预测，并提供了基础版本（v1.0）的完整代码和预训练权重，方便研究者和开发者快速上手。其核心能力在于利用大规模预训练和提示调优，提升跨领域泛化能力，尤其在数据量有限或分布漂移的场景下表现突出。作为早期开源的时间序列基础模型之一，TEMPO 为后续研究提供了基线参考。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 142

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队DC-research

所属国家

官网地址

GitHubhttps://github.com/DC-research/TEMPO

定价模式free

价格说明开源模型，MIT许可证，完全免费，需自行部署。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型forecasting,forecasting-models,forecasting-time-series,foundation-models,gpt,pretrained-language-model,pretrained-models,time-series,time-series-analysis,transformer,transformers,transformers-models

GitHub 星标★ 142

30天Star增速

HF 下载量

上线时间2024-04-01 00:00:00

最近更新2026-08-20 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

ICLR 2024官方代码，学术权威性高，方法经过同行评审
提示词机制支持灵活适配不同预测场景，无需重训模型
提供预训练权重和完整推理流程，开箱即用

不足之处

文档/社区待观察
模型规模较小，可能不适用于超大规模数据

适用场景

多变量时间序列预测（如能源、交通流量）
跨领域迁移预测（如金融到气象）
低资源场景下的快速预测建模

替代项目

TimeGPT、Chronos、PatchTST

项目介绍

TEMPO 是模型训练领域的开源项目，由 DC-research 开发，2024 年首次发布。

它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 142。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-20。MIT许可证，完全免费，需自行部署。

它主要面向的使用场景是：多变量时间序列预测（如能源、交通流量）。同类可对比的替代方案包括 TimeGPT、Chronos、PatchTST。

上一篇：panda

下一篇：mantis