Google Research stellt TimesFM-ICF vor, ein Zeitreihen-Fundamentalmodell, das sich während der Inferenz an kontextbezogene Beispiele anpasst und ohne zusätzliches Training mit überwachten Feinabstimmungsergebnissen übereinstimmt. Die Methode verwendet Separator-Token und kontinuierliches Pre-Training, um die Vorhersagegenauigkeit um 6,8 % gegenüber Zero-Shot-Modellen zu verbessern. Dies ermöglicht es Unternehmen, datengestützte Vorhersagen schneller und mit minimalem Aufwand zu treffen.