IBM ha publicado Granite Timeseries Ensemble R1, un framework extensible diseñado para combinar predicciones de cuantiles de múltiples modelos de series temporales preentrenados. Esta herramienta elimina la necesidad de seleccionar un único modelo o realizar reentrenamientos, permitiendo a los desarrolladores obtener predicciones puntuales y de cuantiles de forma inmediata. El sistema integra por defecto cuatro checkpoints complementarios con licencia permisiva: PatchTST-FM-r1, PatchTST-FM-r2, FlowState-r1.1 y TTM-r3, que representan arquitecturas Transformer, Conformer, modelos de espacio de estado y mixers ligeros, respectivamente.
El framework ofrece dos métodos principales de agregación: el Ensamble Probabilístico, que utiliza un agrupamiento uniforme y es el recomendado por defecto, y el Ensamble IQR, que asigna pesos adaptativos basados en el rango intercuartílico para mejorar la robustez. A diferencia de los ensambles aprendidos, este enfoque prioriza la simplicidad y la reproducibilidad, evitando errores de estimación en los pesos. La instalación requiere la librería tsfm_public y permite la extensión con otros modelos compatibles. Los usuarios deben validar el rendimiento en datos representativos, ya que la combinación de modelos con sesgos complementarios no garantiza automáticamente una mejora en todos los contextos, aunque suele diluir los errores específicos de una sola arquitectura.
