时间序列预测模型领域迎来新突破，Chronos 提供了一套预训练的时间序列预测模型，支持从单变量到多变量、含外生变量的多种预测任务。最新的 Chronos-2 版本实现了零样本学习，在多个基准测试中表现领先，尤其在引入外生特征的场景下优势明显。

Chronos-Bolt 模型则以高效著称，速度提升至原模型的250倍，内存消耗降低20倍，适合大规模实时预测需求。项目支持通过简单的pip安装，兼容多种时间序列数据格式，方便快速上手。

不仅有详细的示例代码和教程，Chronos 还开源在GitHub，适合科研人员和工业界开发者使用。感兴趣的朋友可以访问：
github.com/amazon-science/chronos-forecasting

主要功能：
- 预训练的时间序列预测模型，支持多种预测任务
- Chronos-2 支持零样本预测，性能领先
- Chronos-Bolt 高速轻量，适合大规模部署
- 简单易用的Python接口，集成方便
- 多种基准测试验证，稳定可靠

适合金融、能源、供应链等领域的时间序列预测应用。