Google Research представляет TimesFM-ICF, модель основания временных рядов, которая адаптируется к контекстным примерам в процессе вывода, что позволяет добиться соответствия результатам супервизорной тонкой настройки без дополнительного обучения. Метод использует разделительные маркеры и непрерывное предварительное обучение для повышения точности прогнозирования на 6,8 % по сравнению с моделями с нулевой выборкой. Это позволяет предприятиям быстрее делать прогнозы на основе данных при минимальной настройке.