Falcon-TST： A Large-Scale Time Series Foundation Model

Prediction过程：

① 输入长度大于固定长度2880 会截断，小于2880会进行前置padding

② RevIN 处理，并通过旋转位置编码嵌入相对位置信息

③ 选定专家路由

④ 共享专家

⑤ Patch Embedding , 输入 $batch, patch_num, patch_size$ --> $patch_num, batch_size, hidden_size$ , 输出：hidden_states, attention_mask， input_mask

⑥ Transformer Layer : 没使用因果注意力机制，采用的Transfomer的Encoder架构

⑦ 共享专家输出+领域专家输出 ，其中前固定长度seq_length 为原始，后面336为预测长度

⑧ 推理出混合专家的输出，根据自回归头预测，如果混合专家输出长度大于目标长度，截取目标部分即可。

FalconTST的预测模式：自回归式多步预测（分段式）

① FalconTST在推理时，每一次forward都预测一个固定的最长步长（max(multi_forecast_head_list)）；

② 在自回归滚动过程中，并不会每次都使用这96步全部结果，而是根据剩余预测长度，只截取其中前多少步做有效预测，并拼接回输入继续预测。

FalconTST采用N-BEATS方法进行迫使模型逐层剥离信号。

N-BEATS 模型由多个Stack模块组成 ，每个stack由多个block串联而成 ，其中第一个block的输入为原始输入序列，输出为两部分，一是对于未来窗口H的预测值 y ^ \hat{y} y^ , 二是对于block输入的重构值 x ^ \hat{x} x^。一方面，下一个block作为之前block的补充，不断地去拟合之前block没有拟合到的残差信息，另一方面，可以将该过程看作对时间序列的分解，不同的stack中block拟合时间序列某一部分的信息，最终NBEATS的输出为各个stack的输出。

因此，FalconTST 在使用时，使用FalconTSTMoELayer层替换FC层结构，其中FalconTST的共享专家和路由专家 都是由Transformer的Encoder层构建的，因此利用MOE中共享专家与路由专家的输出，合并之后分割成backcast和forecast，不断获取forecast，并求和，backcast不断缩减，直接最后为空。

差异点：共享专家和路由专家共同构建了是一个完整的基于Transformer架构的模型，它并没有采用两个FC分别建模Backcast和Forecast，而是每一个专家都建模Backcast与Forecast。要求每个专家同时完成：

① 解释过去（Backcast）： "我认为过去这段序列发生了什么（比如是某个特定频率的波形）"。

② 预测未来（Forecast）： "基于我对过去的这种理解，我认为未来会怎么走"。

FalconTST中，FalconTSTMoELayer充当一个N-BEATS Block的角色，Block的输入是上一层的残差，Block的输出一个是用于修正的Backcast和一个用于贡献预测的Forecast。

问题点：为什么FalconTST模型使用的是Transformer Encoder还要利用mask机制？

FalconTST使用Attention Mask不是为了因果性，主要是为了屏蔽完全被padding填充的无效Patch，确保模型不会关注到没有意义的填充区域，这是数据有效性的过滤。