Timer-XL ist ein Decoder-only Transformer-Modell der THUML-Arbeitsgruppe an der Tsinghua-Universität für Time-Series-Vorhersagen. Das Modell verbessert seinen Vorgänger Timer durch spezialisierte Optimierung auf die Forecasting-Aufgabe. Zentrale Merkmale sind: (1) flexible Eingabe-/Ausgabelängen ohne feste Annahmen an Kontext oder Vorhersagefenster, (2) das TimeAttention-Mechanismus für effiziente Long-Context-Verarbeitung, (3) Unterstützung univariater nicht-stationärer Reihen, multivariater Dynamiken und exogener Variablen in einem einheitlichen Setup. Im Vergleich mit anderen Foundation Models (MOIRAI bis 4K Token, TimesFM, Chronos) zeigt Timer-XL überlegene Performance über längere Kontexte hinweg. Das Paper demonstriert empirisch, dass Decoder-Architekturen für Forecasting überlegen sind – ein Ergebnis, das den Shift von Timers universalister Ausrichtung zu Timer-XLs Spezialisierung rechtfertigt. Timer-XL kann von Grund auf trainiert oder auf großen Datensätzen vortrainiert werden, optional mit anschließendem Fine-tuning.