8月20日消息，近日，蚂蚁国际正式发布自研时序预测大模型“鹰序TST”（FalconTST，Time-Series Transformer）2.0版本。该模型专注于时间序列预测场景，主要服务跨境支付、外汇风险管理等金融业务，并计划拓展至电商供应链、航空运营等更多行业。

据介绍，“鹰序TST”2.0在全球权威时序预测基准测试中取得SOTA成绩，平均绝对比例误差（MASE）达到0.666，超过多家全球科技公司的时间序列预测模型。目前，该模型已被巴克莱银行、花旗银行、德意志银行、渣打银行等金融机构用于现金流预测和外汇管理，预测准确率稳定超过93%。

与侧重文本理解和生成的大语言模型不同，时序预测模型主要用于分析数据随时间变化的规律。在金融领域，交易金额、账户余额、清算流水以及货币头寸等数据持续变化，预测准确性直接影响金融机构的流动性管理和风险控制。

蚂蚁国际表示，“鹰序TST”最初应用于内部现金流及外汇敞口管理，支持小时级、日级和周级预测。随后，该模型逐步向银行客户开放，用于提升现金流预测能力和外汇风险管理效率。

其中，巴克莱银行将“鹰序TST”整合至外汇对冲平台BARX NetFX；花旗银行将其应用于固定汇率解决方案；渣打银行则将其接入SCALE FX系统，并作为新加坡金融管理局PathFin.ai计划的一部分。

在技术能力方面，“鹰序TST”2.0针对真实业务中的数据复杂性进行了优化。

一方面，模型引入高级缺失数据处理机制，能够区分“数据缺失”和“真实零值”。例如，银行周末交易减少并不意味着资金需求归零，模型可以避免错误学习异常模式。

另一方面，模型通过ORBIT技术提升跨行业泛化能力，能够从金融、零售、能源、旅游等多个领域数据中学习通用时间规律，并迁移至新的业务场景。同时，“鹰序TST”2.0支持从秒级支付数据到小时级资金需求、日级航空需求以及月级经济指标等多种时间频率预测。（袁宁）