論文の概要: Towards Interpretable and Trustworthy Time Series Reasoning: A BlueSky Vision

• arxiv url: http://arxiv.org/abs/2510.16980v1
• Date: Sun, 19 Oct 2025 19:48:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.231457
• Title: Towards Interpretable and Trustworthy Time Series Reasoning: A BlueSky Vision
• Title（参考訳）: 解釈可能で信頼できる時系列推論を目指すBlueSky Vision
• Authors: Kanghui Ning, Zijie Pan, Yushan Jiang, Anderson Schneider, Yuriy Nevmyvaka, Dongjin Song,
• Abstract要約: 時系列推論は、時間分析における次のフロンティアとして現れつつある。 時系列推論は、パターン認識を超えて、明示的で、解釈可能で、信頼できる推論へと移行することを目的としている。 本稿では,2つの相補的な方向から構築したBlueSkyビジョンについて述べる。
• 参考スコア（独自算出の注目度）: 25.94366382466211
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Time series reasoning is emerging as the next frontier in temporal analysis, aiming to move beyond pattern recognition towards explicit, interpretable, and trustworthy inference. This paper presents a BlueSky vision built on two complementary directions. One builds robust foundations for time series reasoning, centered on comprehensive temporal understanding, structured multi-step reasoning, and faithful evaluation frameworks. The other advances system-level reasoning, moving beyond language-only explanations by incorporating multi-agent collaboration, multi-modal context, and retrieval-augmented approaches. Together, these directions outline a flexible and extensible framework for advancing time series reasoning, aiming to deliver interpretable and trustworthy temporal intelligence across diverse domains.
• Abstract（参考訳）: 時系列推論は時間分析における次のフロンティアとして現れており、パターン認識を超えて明示的で解釈可能で信頼に値する推論へと移行することを目指している。 本稿では,2つの相補的な方向から構築したBlueSkyビジョンについて述べる。 時系列推論のための堅牢な基盤を構築するもので、包括的な時間的理解、構造化された多段階推論、忠実な評価フレームワークを中心にしている。 システムレベルの推論は、言語のみの説明を超えて、マルチエージェントコラボレーション、マルチモーダルコンテキスト、検索強化アプローチを取り入れている。 これらの方向性は、様々な領域にわたって解釈可能で信頼できる時間的知性を提供することを目的として、時系列推論を進めるための柔軟で拡張可能なフレームワークを概説している。

関連論文リスト

• From Perception to Cognition: A Survey of Vision-Language Interactive Reasoning in Multimodal Large Language Models [66.36007274540113]
  MLLM(Multimodal Large Language Models)は、物理的世界に対する深い人間的な理解と相互作用を達成するための試みである。 情報取得(知覚)や推論(認知)を行う際、しばしば浅く不整合な統合を示す。 この調査では、新しい統合分析フレームワーク「知覚から認知へ」を紹介した。
  論文  参考訳（メタデータ） (2025-09-29T18:25:40Z)
• Explainable Chain-of-Thought Reasoning: An Empirical Analysis on State-Aware Reasoning Dynamics [69.00587226225232]
  本研究では,CoTトラジェクトリを構造化潜在力学に抽象化する状態認識遷移フレームワークを提案する。 推論のグローバルな構造を特徴づけるために、それらの進行をマルコフ連鎖としてモデル化する。 この抽象化は、意味的役割の識別、時間的パターンの可視化、一貫性評価など、さまざまな分析をサポートする。
  論文  参考訳（メタデータ） (2025-08-29T18:53:31Z)
• Explain Before You Answer: A Survey on Compositional Visual Reasoning [74.27548620675748]
  構成的視覚推論は、マルチモーダルAIにおける重要な研究フロンティアとして登場した。 本調査は,トップ会場(CVPR,ICCV,NeurIPS,ICML,ACLなど)から260以上の論文を体系的にレビューする。 次に60以上のベンチマークとそれに対応するメトリクスを、基底精度、連鎖忠実性、高分解能知覚などの次元に沿って探索する。
  論文  参考訳（メタデータ） (2025-08-24T11:01:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。