NVIDIA 于 10 月 21 日介绍 Kumo Forecast，多变量时序预测模型在直接预测之外加入历史模式检索。它使用约三亿四千万参数的 MOMENT-1-large 基础编码器，并训练预测头，将近期观测与可选的历史上下文分开处理，面向需要连续预测的工业和业务数据。
其 DARR 模式通过近邻检索，从历史数据中寻找相关模式，再与直接预测组合；开发者可以调整两条路径的作用。库以 pandas DataFrame 为主要输入形式，支持设定预测范围，并生成按预测时点组织的特征归因、历史滞后影响及轨迹诊断等解释，解释机制不要求替换原预测模型。
Kumo Forecast 的代码与权重采用 Apache 2.0，仓库还提供用自有 CSV 微调的示例。系统要求输入为带时间戳的数值时序，支持二百五十六至二千零四十八个观测的指定窗口长度。历史检索上下文需要与输入维度相容，超出原生预测长度的扩展会递归使用预测结果，和直接产生的短期预测存在区别。