그래니트 타임시리즈 앙상블, 무엇이 달라졌나
IBM 리서치(IBM Research)는 사전학습 시계열 모델 4종을 결합한 그래니트 타임시리즈 앙상블(Granite Timeseries Ensemble)을 허깅페이스에 공개했다고 밝혔다. 사전학습 시계열 모델은 별도 학습 없이 예측할 수 있지만, 산업 신호에 강한 모델이 소매 수요처럼 노이즈가 큰 데이터나 긴 계절성 구간에서는 약할 수 있어 모델 선택이 과제로 남아 있었다.
이 앙상블은 서로 다른 아키텍처의 그래니트 모델 4종을 결합하고, 재학습이나 앙상블 가중치 학습 없이 중앙값과 분위수 예측을 반환한다. 기상 예보에서 여러 모델을 합쳐 불확실성을 다루는 방식과 유사한 발상이라는 설명이다. 레시피에는 병합된 가중치가 아닌 앙상블 설정만 담기며, 첫 실행 때 멤버 체크포인트 4개를 내려받는다. 기본 분위수는 0.1~0.9이고, 0.1과 0.9 분위수로 명목상 80% 구간을 나타낼 수 있다.
확률 앙상블과 IQR 앙상블
기본값으로 권장되는 '확률 앙상블(Probabilistic Ensemble)'은 각 모델에 같은 영향력을 주고 분위수 예측을 확률 공간에서 합친다. 가중치가 고정돼 있어 새 시계열에 맞춰 조정할 하이퍼파라미터가 없다. 대안인 'IQR 앙상블'은 예측 구간이 좁은 모델에 더 큰 가중치를 주며, 분위수가 교차하지 않도록 등위회귀(isotonic regression)를 쓴다. 다만 좁은 구간이 더 정확하다는 뜻은 아니며 과신하는 모델에 쏠릴 수 있어, 온도 설정과 단일 멤버 가중치 상한 옵션이 제공된다.
GIFT-Eval 평가 결과와 한계
IBM은 파인튜닝 없이 GIFT-Eval 97개 데이터셋 설정에서 두 레시피를 평가했다. 2026년 10월 20일 기준 리더보드에서 두 앙상블은 개별 멤버 4종보다 집계 MASE와 평균 MASE 순위가 모두 좋았다. 확률 앙상블의 MASE는 0.683으로, 단일 모델 최고인 PatchTST-FM-r2의 0.685와 근소한 차이다. IBM은 이 차이가 작아 핵심 이점은 정확도보다 안정성이라고 설명했다.
확률 예측 지표인 CRPS/MWQL 집계 점수는 PatchTST-FM-r2가 가장 낮았고, 평균 CRPS 순위는 IQR 앙상블이 가장 좋았다. 적격 시스템 기준 MASE·CRPS 순위는 모두 3위이며, 파인튜닝 모델이나 비허용 라이선스 모델 중에는 더 높은 점수를 낸 사례도 있다.
한계도 명시됐다. 다변량 채널을 독립적으로 예측해 채널 간 정보를 쓰지 않고, 모델 4개를 올려 단일 모델보다 추론 시간과 메모리가 늘어난다. 분포 변화 상황에서 보정이나 견고성이 보장되지는 않는다. IBM은 실제 도입 전 대표 데이터로 백테스트해 분위수 손실과 80% 구간 커버리지, 지연 시간, 메모리를 점검하라고 권고했다. 공통 Forecaster 인터페이스는 외부 호환 모델 추가도 지원한다.
