自2020年首次發佈以來，Darts 已成為廣泛使用的開源 Python 時間序列分析庫。它提供了豐富的模型和工具，幫助研究人員和工程師處理預測任務。近年來，時間序列基礎模型（如 Chronos-2、TimesFM 2.5、TiRex 和 PatchTST-FM）在零樣本預測中取得了顯著進展，聲稱在多個基準上超越了傳統的定製模型。這些模型通過在大規模數據集上進行預訓練，能夠直接應用於未見過的序列，無需針對特定任務重新訓練，從而大大降低了使用門檻。
然而，這些基礎模型通常以獨立的 Python 包形式發佈，每個模型都有自己的 API 和依賴項，導致接口碎片化。例如，用户可能需要學習不同的數據格式、預處理步驟和預測調用方式。此外，這些模型與現有工具（如數據加載、評估和可視化）的互操作性有限，使得在完整管線中進行聯合評估和集成變得困難。這阻礙了研究人員和從業者充分比較和利用這些模型。
為了解決這一挑戰，Darts 團隊開發了一個統一的 FoundationModel 類集合。該集合將上述四個基礎模型封裝在標準化接口下，提供了完整的預測生命週期支持，包括數據預處理、模型加載、預測、不確定性估計和回測。關鍵是，所有操作都在 Darts 的統一框架內完成，外部依賴極少，用户只需安裝 Darts 即可開始使用。
現在，現有的 Darts 管道僅需將模型名稱從 'ARIMA' 或 'Transformer' 更改為 'Chronos-2' 等，即可切換到基礎模型，無需修改其他代碼。新管道則可以利用基礎模型進行零樣本預測，或通過微調適應特定數據集。此外，不確定性估計和回測功能也直接可用，結合 Darts 內置的數據處理和評估工具，形成了完整的預測工作流。
這一進展對時間序列分析和預測領域具有重要意義。它降低了基礎模型的使用門檻，促進了更廣泛的實驗和比較。研究人員可以輕鬆評估不同模型在相同條件下的表現，而從業者可以快速將最先進的預測能力集成到現有系統中。隨着基礎模型數量的增加，這種統一框架將成為推動該領域標準化和效率提升的關鍵基礎設施。