Apple ML Research представила TopoPrimer — топологический контекст для прогнозных моделей

Apple ML Research представила фреймворк TopoPrimer, который делает глобальную топологическую структуру популяции временных рядов явным входом для любой модели прогнозирования, а не побочным эффектом обучения.

Какую проблему решает TopoPrimer

Большинство моделей прогнозирования временных рядов обучаются, видя только отдельные последовательности, без явного представления о том, как устроена вся популяция рядов в домене — например, как связаны между собой тысячи товарных позиций в ритейле или тысячи сенсоров в промышленной сети. TopoPrimer восполняет этот пробел: он предвычисляет глобальную топологическую структуру данных один раз для каждого домена, а затем передаёт её модели как дополнительный контекст.

• Разработчик — Apple ML Research
• Название фреймворка — TopoPrimer
• Метод вычисления структуры — персистентная гомология и spectral sheaf координаты
• Заявленные эффекты — рост точности, устойчивость к сезонным всплескам спроса, закрытие разрыва холодного старта
• Тестирование — на четырёх публичных бенчмарках, включая модель Chronos

Из чего состоит фреймворк

TopoPrimer построен на двух компонентах, которые вычисляются один раз на домен: персистентная гомология, изучающая устойчивые топологические особенности данных, и spectral sheaf координаты. По данным авторов, именно spectral sheaf координаты вносят основной вклад в прирост точности — второй компонент играет вспомогательную роль.

Фреймворк устроен гибко с точки зрения интеграции: для полностью обучаемых моделей TopoPrimer разворачивается на уровне отдельного токена, а для уже готовых предобученных бэкбонов он подключается как лёгкий адаптер, не требующий полного переобучения модели с нуля.

Что это значит

TopoPrimer предлагает способ дать прогнозным моделям контекст о структуре всего домена данных, а не только конкретного ряда — подход, который может пригодиться там, где резкие сезонные скачки спроса и запуск новых продуктов без истории продаж традиционно сбивают точность прогнозов.