論文の概要: Benchmarking Temporal Web3 Intelligence: Lessons from the FinSurvival 2025 Challenge

• arxiv url: http://arxiv.org/abs/2602.23159v1
• Date: Thu, 26 Feb 2026 16:19:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.768537
• Title: Benchmarking Temporal Web3 Intelligence: Lessons from the FinSurvival 2025 Challenge
• Title（参考訳）: 一時的なWeb3インテリジェンスをベンチマークする - FinSurvival 2025 Challengeからの教訓
• Authors: Oshani Seneviratne, Fernando Spadea, Adrien Pavao, Aaron Micah Green, Kristin P. Bennett,
• Abstract要約: Web3インテリジェンスをベンチマークするケーススタディとして,textitFinSurvival Challenge 2025を提案する。 Aave v3プロトコルからの218万のトランザクションレコードを使用して、課題は16の生存予測タスクを運用し、ユーザの行動遷移をモデル化した。 ベンチマーク設計と勝利したソリューションについて詳述し、ドメイン対応の時間的特徴構造がジェネリック・モデリング・アプローチを著しく上回った点を強調した。
• 参考スコア（独自算出の注目度）: 40.44623510023071
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Temporal Web analytics increasingly relies on large-scale, longitudinal data to understand how users, content, and systems evolve over time. A rapidly growing frontier is the \emph{Temporal Web3}: decentralized platforms whose behavior is recorded as immutable, time-stamped event streams. Despite the richness of this data, the field lacks shared, reproducible benchmarks that capture real-world temporal dynamics, specifically censoring and non-stationarity, across extended horizons. This absence slows methodological progress and limits the transfer of techniques between Web3 and broader Web domains. In this paper, we present the \textit{FinSurvival Challenge 2025} as a case study in benchmarking \emph{temporal Web3 intelligence}. Using 21.8 million transaction records from the Aave v3 protocol, the challenge operationalized 16 survival prediction tasks to model user behavior transitions.We detail the benchmark design and the winning solutions, highlighting how domain-aware temporal feature construction significantly outperformed generic modeling approaches. Furthermore, we distill lessons for next-generation temporal benchmarks, arguing that Web3 systems provide a high-fidelity sandbox for studying temporal challenges, such as churn, risk, and evolution that are fundamental to the wider Web.
• Abstract（参考訳）: 時間的ウェブ分析は、ユーザー、コンテンツ、システムが時間とともにどのように進化していくかを理解するために、大規模で経時的なデータにますます依存している。 急速に成長するフロンティアは \emph{Temporal Web3}: イミュータブルでタイムスタンプのイベントストリームとして記録される分散プラットフォームである。 このデータの豊かさにもかかわらず、フィールドには、現実世界の時間的ダイナミクス(特に検閲と非定常性)を、広い地平線を越えて捉える、共有的で再現可能なベンチマークが欠けている。 この欠如は、方法論的な進歩を遅らせ、Web3とより広いWebドメイン間の技術移転を制限する。 本稿では,<emph{temporal Web3 Intelligence} のベンチマークにおけるケーススタディとして,<textit{FinSurvival Challenge 2025} を提案する。 Aave v3プロトコルから218万件のトランザクションレコードを使用して、16件のサバイバル予測タスクを運用し、ユーザビヘイビア遷移をモデル化し、ベンチマーク設計と勝利したソリューションを詳述し、ドメイン対応の時間的特徴構造がジェネリックモデリングアプローチを著しく上回ったことを強調した。 さらに、我々は次世代の時間的ベンチマークの授業を精査し、Web3システムは、より広いWebの基本となるチャーン、リスク、進化などの時間的課題を研究するための高忠実なサンドボックスを提供すると主張した。

関連論文リスト

• MEMTS: Internalizing Domain Knowledge via Parameterized Memory for Retrieval-Free Domain Adaptation of Time Series Foundation Models [51.506429027626005]
  Memory for Time Series (MEMTS) は、時系列予測における検索不要領域適応のための軽量かつプラグアンドプレイ方式である。 MEMTSの鍵となるコンポーネントは知識永続化モジュール(KPM)であり、ドメイン固有の時間力学を内部化する。 このパラダイムシフトにより、MEMTSは定数時間推論とニアゼロレイテンシによる正確なドメイン適応を実現することができる。
  論文  参考訳（メタデータ） (2026-02-14T14:00:06Z)
• Online Segment Any 3D Thing as Instance Tracking [60.20416622842975]
  オンライン3Dセグメンテーションをインスタンス追跡問題として再認識する(AutoSeg3D)。 視覚基礎モデルに固有の断片化問題を緩和するために,空間整合性学習を導入する。 ScanNet200上でESAMを2.8 AP上回る新しい最先端技術を確立する。
  論文  参考訳（メタデータ） (2025-12-08T14:48:51Z)
• Beyond Leakage and Complexity: Towards Realistic and Efficient Information Cascade Prediction [37.50536404287287]
  情報カスケードの人気予測は、ソーシャルネットワークにおけるコンテンツ拡散を分析する上で重要な問題である。 時系列的にデータを連続するウィンドウに分割する時間順序分割戦略を提案する。 第2に,豊富なプロモーター/製品属性を備えた大規模EコマースカスケードデータセットであるTaokeを紹介する。 第3に,時間的歩行を通してカスケード力学を効率的にモデル化する軽量フレームワークCasTempを開発した。
  論文  参考訳（メタデータ） (2025-10-29T10:06:08Z)
• T3former: Temporal Graph Classification with Topological Machine Learning [4.4924444466378555]
  時間グラフ分類は、サイバーセキュリティ、脳接続分析、トラフィック監視などのアプリケーションにおいて重要な役割を果たす。 我々は、スライドウィンドウトポロジカルおよびスペクトルディスクリプタを1級トークンとして活用し、特殊なディスクリプタ・アテンション機構によって統合された新しいトポロジカル・テンポロジカル・トランスフォーマーT3formerを紹介する。 T3formerは、動的ソーシャルネットワーク、脳機能接続データセット、トラフィックネットワークなど、複数のベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-10-15T17:46:32Z)
• A Retrieval Augmented Spatio-Temporal Framework for Traffic Prediction [33.28893562327803]
  RASTは、大規模データセットの効率を維持しながら、優れたパフォーマンスを実現する。 フレームワークは3つの主要な設計で構成されている: 1) 分離された時間的特徴をキャプチャし、Retrieval-Augmented Generation (RAG), 2) 事前訓練されたST-GNNまたは単純な予測子に対応するUniversal Backbone Predict Storeor, 3) 事前訓練されたST-GNNまたは単純な予測子をサポートするUniversal Backbone Predict Storeor。
  論文  参考訳（メタデータ） (2025-08-14T10:11:39Z)
• EasyST: A Simple Framework for Spatio-Temporal Prediction [18.291117879544945]
  本稿では,時空間予測のための簡単なフレームワークであるEasySTパラダイムを提案する。 複雑な時間的GNNからの知識を蒸留することにより、軽量で堅牢なマルチ層パーセプトロン(MLP)の一般化を学習する。 EasySTは、効率と精度の点で最先端のアプローチを超越している。
  論文  参考訳（メタデータ） (2024-09-10T11:40:01Z)
• Navigating Spatio-Temporal Heterogeneity: A Graph Transformer Approach for Traffic Forecasting [13.309018047313801]
  交通予測はスマートシティの発展において重要な研究分野として浮上している。 最短時間相関のためのネットワークモデリングの最近の進歩は、パフォーマンスのリターンが低下し始めている。 これらの課題に対処するために、時空間グラフ変換器(STGormer)を導入する。 本研究では,その構造に基づく空間符号化手法を2つ設計し,時間位置をバニラ変圧器に統合して時間的トラフィックパターンをキャプチャする。
  論文  参考訳（メタデータ） (2024-08-20T13:18:21Z)
• A Threefold Review on Deep Semantic Segmentation: Efficiency-oriented, Temporal and Depth-aware design [77.34726150561087]
  我々は、自動運転車のビジョンの文脈において、Deep Semanticの最も関連性があり最近の進歩について調査を行う。 私たちの主な目的は、それぞれの視点で直面している主要な方法、利点、制限、結果、課題に関する包括的な議論を提供することです。
  論文  参考訳（メタデータ） (2023-03-08T01:29:55Z)
• Video Anomaly Detection by Solving Decoupled Spatio-Temporal Jigsaw Puzzles [67.39567701983357]
  ビデオ異常検出(VAD)はコンピュータビジョンにおいて重要なトピックである。 近年の自己教師型学習の進歩に触発された本論文は,直感的かつ難解なプレテキストタスクを解くことによって,VADに対処する。 提案手法は3つの公開ベンチマークにおいて最先端のベンチマークよりも優れている。
  論文  参考訳（メタデータ） (2022-07-20T19:49:32Z)

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。