作者：老余捞鱼原创不易，转载请标明出处及原作者。文中示例仅用于技术讨论，不构成任何操作建议。量化策略开发应以学习和技术交流为目的。本号不荐股、不卖课、不承诺收益。市场有风险，请合法合规投资。本文约 5200 字 | 预计阅读 10-15 分钟· · ·做量化的人都知道一个尴尬的事实：LLM从几亿参数缩放到几千亿参数，性能蹭蹭涨，但时间序列预测模型呢？放大反而可能变差。Datadog的团队刚发布的Toto-2.0，终于把这事儿给解决了。5个模型规模，从400万到25亿参数，同一套训练配方，每一个更大的模型都比更小的模型预测得更准。听起来理所当然，但在时序预测领域，这是头一回。一、Toto-2.0是什么？Toto-2.0是Datadog开发的decoder-only（仅解码器）时间序列基础模型，专门做多变量零样本预测。说直白点：给它一段历史数据，不用微调，直接预测未来。先说几个关键标签：Decoder-only架构：基于Patched Transformer，交替使用时间轴注意力和变量轴注意力，支持变长上下文，能接受未来已知的协变量。u-µP缩放：超参数在1000万参数的小模型上调一次，直接迁移到25亿参数的大模型，不用每个规模重新调。CPM单次推理：连续补丁掩码（Contiguous Patch Masking）让模型一次前向传播就生成长 horizon 预测，不用像以前那样一步步自回归解码。概率预测：分位数头（quantile head）+ pinball loss，输出9个分位数，既有预测值也有不确定性估计。开源：Apache 2.0协议，权重开放，GitHub仓库可直接用。在GIFT-Eval、BOOM、TIME三个公开基准测试上，Toto-2.0全部拿下第一名。图1：Toto-2架构——Patched Transformer，交替时间轴/变量轴注意力二、四个核心设计选择Toto-2.0能实现干净缩放，靠的是四个互相配合的设计决策。咱们一个个看。1. Arcsinh归一化：小波动和极端尖峰都照顾到这个设计借自Chronos模型。传统对数归一化有个毛病：接近零的时候行为不线性，会把小幅波动吃掉。对于稀疏和间歇性时间序列（比如某些交易频率低的品种），这种信息丢失很要命。Arcsinh归一化不一样：接近零时表现为线性，保留小幅波动的细节；大值时表现为对数，压缩极端尖峰。两者兼顾，恰好是基础模型预训练需要的，因为训练数据横跨多个数量级。图2：Arcsinh归一化 vs 对数归一化，接近零时Arcsinh保持线性2. 分位数输出头：替换掉不稳定的SMMToto-1.0用的是Student-T混合模型（SMM）做概率预测，在小规模时还行，但模型变大后SMM数值不稳定，预测值接近零时会发散。Toto-2.0换成简单的分位数头：每个未来时间步预测9个分位数水平{0.1, 0.2, ..., 0.9}，用pinball loss训练。这种方式现在已经是主流，Chronos-2、Moirai-2、TimesFM 2.5都用这套。为防止分位数交叉（quantile crossing），推理时对预测结果排序。点预测不再单独生成，直