Toto-2.0-2.5B-FT常见问题解答：解决99%用户遇到的模型使用难题

【免费下载链接】Toto-2.0-2.5B-FT项目地址: https://ai.gitcode.com/hf_mirrors/Datadog/Toto-2.0-2.5B-FT

Toto-2.0-2.5B-FT是Datadog推出的时间序列预测模型，基于Toto 2.0 2.5B基础模型在GIFT-Eval训练集上微调而成，主要用于基准测试，在GIFT-Eval排行榜上表现优异。本文将解答用户在使用该模型时可能遇到的常见问题，帮助新手和普通用户顺利上手。

🤔 模型基础认知问题

什么是Toto-2.0-2.5B-FT模型？

Toto-2.0-2.5B-FT是Toto 2.0 2.5B基础模型在包含GIFT-Eval训练集的混合数据上微调得到的基准测试模型，旨在探究基础模型在单一分布内基准测试中的性能极限。需要注意的是，这并非通用模型，实际工作负载建议使用Toto 2.0系列基础模型，它们未经任何公共数据预训练，在各种评估基准上具有良好的泛化能力。

模型适用于哪些场景？

该模型主要用于时间序列预测相关的基准测试场景，可在GIFT-Eval等时间序列预测排行榜中进行性能评估。其在GIFT-Eval排行榜（基础模型+微调模型+集成模型+智能体）中，CRPS排名和MASE排名均位列第二，原始CRPS/MASE排名第三，仅次于Toto 2.0 Family-and-Friends集成模型。

📥 模型获取与安装问题

如何获取Toto-2.0-2.5B-FT模型？

可以通过克隆仓库的方式获取模型，仓库地址为：https://gitcode.com/hf_mirrors/Datadog/Toto-2.0-2.5B-FT 。

安装模型需要哪些依赖？

模型的library_name为pytorch，因此需要安装PyTorch相关依赖。具体依赖可参考项目的官方文档或相关配置文件。

⚙️ 模型配置与参数问题

模型有哪些主要配置参数？

模型的配置参数在config.json文件中，主要包括：

• attn_bias: true
• d_ff: 5464
• d_model: 2048
• dropout_p: 0.0
• heads_per_group: 1
• layer_group_size: 48
• mlp_bias: false
• norm_eps: 0.0005
• num_groups: 32
• num_heads: 32
• num_layers: 48等。这些参数决定了模型的结构和性能。

微调时的配置是怎样的？

从完全衰减的Toto-2.0-2.5B基础检查点开始，在混合数据上微调了10,000步。混合数据来源及占比为：GIFT-Eval Pretrain占45%，Datadog 5分钟以上可观测性指标占25%，GIFT-Eval训练集占15%，Synthetic (TempoPFN)占10%，Datadog 10秒可观测性指标占2.5%，Datadog 60秒可观测性指标占2.5%。NorMuon和AdamW学习率较预训练时降低约一个数量级（分别降至0.05和0.001），其他架构和推理设置与基础2.5B模型一致。

🚀 模型使用与性能问题

模型的性能指标如何？

在GIFT-Eval数据集上，模型的CRPS值为0.463，MASE值为0.679，在相关排行榜上表现出色。

使用模型时出现性能不佳怎么办？

首先检查是否正确使用了模型，输入数据是否符合模型要求。若确认使用无误，可尝试参考模型的微调 recipe 对模型进行进一步优化，或考虑使用Toto 2.0系列的基础模型，它们在实际部署中更受推荐。

📚 其他相关问题

有哪些额外的资源可以参考？

• Technical Report
• Blog Post
• Base model: Toto-2.0-2.5B
• Toto 2.0 Family-and-Friends
• GIFT-Eval benchmark
• GitHub Repository

如何引用该模型？

可使用以下bibtex格式进行引用：

@misc{khwaja2026toto20timeseries, title={Toto 2.0: Time Series Forecasting Enters the Scaling Era}, author={Emaad Khwaja and Chris Lettieri and Gerald Woo and Eden Belouadah and Marc Cenac and Guillaume Jarry and Enguerrand Paquin and Xunyi Zhao and Viktoriya Zhukov and Othmane Abou-Amal and Chenghao Liu and Ameet Talwalkar and David Asker}, year={2026}, eprint={2605.20119}, archivePrefix={arXiv}, primaryClass={cs.LG}, url={https://arxiv.org/abs/2605.20119}, }

【免费下载链接】Toto-2.0-2.5B-FT项目地址: https://ai.gitcode.com/hf_mirrors/Datadog/Toto-2.0-2.5B-FT