Un séptimo de los parámetros derrota a la generación anterior, la preentrenamiento solo con métricas de monitoreo y datos sintéticos puede generalizar en diferentes dominios—la eficiencia de los datos me sorprende más que el tamaño del modelo.

Datadog anunció la familia de modelos de predicción de series temporales de código abierto Toto 2, con cinco versiones: 4m, 22m, 313m, 1B, 2.5B, todas bajo Apache 2.0. Toto 2 es la primera validación en el campo de series temporales de la ley de escalabilidad, cuanto mayor es la escala, mejor es la predicción, 2.5B aún no está saturado; ganó en los benchmarks BOOM, GIFT-Eval y TIME. Se introduce una máscara de bloques de gráficos continuos, convirtiendo la autoregresión en una transmisión unidireccional, acelerando significativamente, con una latencia de 313m cercana a los 120m de Chronos-2. La preentrenamiento solo utilizó métricas de monitoreo del sistema y datos sintéticos, aún mostrando una buena generalización en diferentes campos, la versión 22m solo con una séptima parte de los parámetros derrotó a Toto 1.0.