IBM 리서치는 오픈소스인 Granite Timeseries Ensemble(v1)을 출시했으며, PatchTST-FM-r1/r2, FlowState 및 Tiny Time Mixers 등 네 가지 사전훈련 아키텍처를 통합해 제로 편향(zero-shot) 미세조정 없이도 확률적 앙상블 예측을 지원합니다. 기본적으로 동등한 가중치의 확률적 앙상블(Probabilistic Ensemble)을 채택하며, 사분위 범위 기반 적응형 가중치(IQR Ensemble) 옵션도 제공합니다. GIFT-Eval 벤치마크(2026-10-20 기준 스냅샷)에서 점예측 오차(MASE=0.683)는 최고의 단일 모델보다 약간 우수하며, 전반적인 로버스트성이 크게 향상되었습니다.

진행 상황 및 관련 보도

2026-10-21

허깅 페이스 공식 블로그2026-10-21

NVIDIA가 Kumo Forecast를 발표했습니다: 사전 훈련된 시계열 표현, 과거 패턴 검색 및 해석 가능성을 통합한 다변량 예측 모델

NVIDIA는 오픈소스 시계열 예측 모델인 Kumo Forecast(구 NV-Tesseract Forecasting)를 출시했습니다. 이 모델은 MOMENT-1-large Transformer 아키텍처를 기반으로 하며, 직접 예측과 도메인 인식 표현 및 검색(DARR)의 두 가지 경로 추론을 지원하고, 모델 구조를 수정할 필요 없이 내장된 해석 가능성 프레임워크를 탑재하고 있습니다.

진행 상황 및 관련 보도

2026-10-13

마이크로소프트 리서치00:00

더 나은 AI 튜터링을 위한 학생 학습 시뮬레이션

StudentSim은 학습자에게 테스트되기 전에 AI 튜터링 도구를 평가하고 개선하기 위한 연구 시스템입니다. 이 시스템은 개인이 튜터와 어떻게 상호작용하는지를 모델링하여, 체스, 글쓰기, 수학 등 다양한 과목에서 튜터의 성과를 향상시키는 데 필요한 피드백을 제공합니다. “더 나은 AI 튜터링을 위한 학생 학습 시뮬레이션”이라는 글은 마이크로소프트 리서치에 처음 게재되었습니다.

공식 연구

진행 상황 및 관련 보도