受自然语言处理（NLP）领域大型语言模型近期发展的启发，我们设计了一种用于时间序列预测的时序基础模型。该模型在多种公开数据集上展现出开箱即用的零样本（zero-shot）性能，其预测准确率接近于针对每个数据集单独训练的最先进监督式预测模型。我们的模型基于在一个大规模时间序列语料库上预训练的分块解码器（patched-decoder）结构注意力模型，能够有效适应不同的历史序列长度、预测长度以及时间粒度。