IBM Research lança Granite Timeseries Ensemble, que combina quatro modelos abertos de séries temporais

O Granite Timeseries Ensemble é uma receita, não um modelo novo. Ela guarda a configuração do ensemble e baixa em runtime os checkpoints de quatro modelos Granite com arquiteturas diferentes, então a primeira execução demora mais. A saída traz a previsão pontual em result.prediction_outputs e os quantis em result.quantile_outputs, por padrão de 0,1 a 0,9, o que dá um intervalo central de cobertura nominal de 80%. Não há retreinamento nem pesos de ensemble ajustados.

O default recomendado é o Probabilistic Ensemble, que dá peso igual a cada membro e combina os quantis no espaço de probabilidade. A alternativa é o IQR Ensemble, que pesa os membros pela dispersão da previsão e dá mais influência a intervalos estreitos. A própria IBM avisa que intervalo estreito não significa previsão melhor calibrada, e que esse peso pode favorecer um membro excessivamente confiante. Há parâmetro de temperatura e teto de peso por membro para ajustar isso.

Nos números, avaliados em 97 configurações do GIFT-Eval sem fine-tuning e com ranks capturados em 20 de outubro de 2026, o Probabilistic Ensemble chega a MASE de 0,683 contra 0,685 do PatchTST-FM-r2. A margem é pequena. O PatchTST-FM-r2 mantém o menor CRPS/MWQL agregado, e o IQR Ensemble tem o melhor rank médio de CRPS entre os seis. O ensemble fica em 3º lugar entre os sistemas elegíveis em MASE Rank e CRPS Rank, e a IBM admite que há sistemas melhores, inclusive fine-tuned ou com licença não permissiva. As limitações: canais multivariados são previstos de forma independente, e carregar quatro checkpoints aumenta latência e memória.

Para quem opera previsão em produção, o ganho aqui é menos precisão e mais robustez: um default que dispensa descobrir de antemão qual arquitetura serve para cada série. O custo é inferência mais pesada, então vale backtest com a janela e o horizonte reais, medindo cobertura empírica do intervalo de 80%, quantile loss, tempo e memória. Isso é leitura editorial, não conclusão da fonte.