Capability Timeline
对时间序列数据进行未来数值预测，如销量、需求、指标走势预测
基于MCP协议的零样本AI预测服务器，支持时间序列与表格数据的分类回归任务
Zer0Fit 是一款基于 MCP 协议的零样本预测服务器，可直接将 Google TimesFM 2.5 与 TabFM v1.0.0 基础模型接入 AI 助手。用户只需在聊天中附加 CSV 文件并用自然语言描述预测目标，即可在零训练、无需调整超参数的情况下，自动执行时间序列预测、表格分类与表格回归。该工具提供自动列名探查、多格式文件上传、预计算评估指标输出及显存智能调度等能力，便于开发者快速部署并供大语言模型调用
表格数据基础模型，秒级出预测结果
TabPFN 是 Prior Labs 推出的表格数据基础模型，基于在数十亿合成数据集上预训练的 Transformer，通过上下文学习一次前向传播即可对新表格数据集给出分类与回归预测，无需针对数据集单独训练或调参。可通过 pip 安装本地使用，也可调用云端 API，并支持时序预测、异常检测、可解释性与微调等能力。
Google 开源的时间序列预测基础模型
TimesFM 是 Google Research 开发的预训练时间序列基础模型，面向时间序列预测任务，基于 decoder-only 架构（ICML 2024 论文）。最新模型版本为 TimesFM 2.5，检查点通过 Hugging Face 集合发布，可用 pip 安装 timesfm 包调用；仓库还提供基于 HuggingFace Transformers 与 PEFT（LoRA）的微调示例，并已接入 BigQuery ML、Google Sheets 与 Vertex Model Garden。