論文の概要: LiveHouse-TS: An Open-world Living Benchmark for Time Series Foundation Models

• arxiv url: http://arxiv.org/abs/2608.17299v1
• Date: Tue, 18 Aug 2026 02:50:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.189623
• Title: LiveHouse-TS: An Open-world Living Benchmark for Time Series Foundation Models
• Title（参考訳）: LiveHouse-TS - 時系列ファンデーションモデルのためのオープンワールドライビングベンチマーク
• Abstract要約: このLiveHouse-TSは、Time Series Foundation Modelsの最初のオープンワールドライブベンチマークインフラストラクチャです。 LiveHouse-TSは、時系列ベンチマークをスナップショットの精度から継続的な時間的妥当性にシフトする。 私たちのインフラは、重要な長期的な科学的疑問を探求するために設計された、連続した時系列のインフラとして機能します。
• 参考スコア（独自算出の注目度）: 41.28223590438589
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time Series Foundation Models (TSFMs) have recently emerged as a highly promising paradigm for cross-domain zero-shot forecasting. However, existing evaluation protocols predominantly rely on static benchmarks with fixed historical test windows. While these benchmarks provide a valuable baseline snapshot, they evaluate an average performance on a fixed history, failing to capture how models behave in continuously evolving real-world environments characterized by seasonal variations, distribution shifts, and unexpected events. To bridge this gap, we introduce LiveHouse-TS, the first open-world living benchmark infrastructure for TSFMs. By evaluating models prequentially on real future data in open-world environments, LiveHouse-TS shifts time series benchmarking from snapshot accuracy to continuous temporal validity. Rather than acting as a one-off leaderboard, our infrastructure serves as a continuous time series infrastructure designed to explore vital, long-term scientific questions: Can model rankings be maintained over the long term? Which models remain genuinely robust under distribution shifts? Extensive streaming evaluations across 11 domains with 17 datasets demonstrate that static rankings undergo a dramatic reshuffling under a live protocol.
• Abstract（参考訳）: Time Series Foundation Models (TSFM) は、クロスドメインゼロショット予測のための非常に有望なパラダイムとして最近登場した。 しかし、既存の評価プロトコルは主に、固定された履歴テストウィンドウを持つ静的ベンチマークに依存している。 これらのベンチマークは貴重なベースラインスナップショットを提供するが、固定された履歴の平均的なパフォーマンスを評価し、季節変動、分布シフト、予期せぬイベントを特徴とする、継続的に進化する現実世界環境でモデルがどのように振る舞うかを捉えていない。 このギャップを埋めるために、私たちは、TSFMのための最初のオープンワールドライブベンチマークインフラストラクチャであるLiveHouse-TSを紹介します。 LiveHouse-TSは、実世界の環境におけるリアルタイムデータに基づくモデルの評価によって、時系列のベンチマークをスナップショットの精度から連続的な時間的妥当性にシフトする。 私たちのインフラストラクチャは、ワンオフのリーダーボードとして振る舞うのではなく、必要不可欠な長期的な科学的疑問を探求するために設計された連続的な時系列インフラストラクチャとして機能します。 流通シフトの下では、どのモデルが真に堅牢なままなのか? 17のデータセットを持つ11のドメインにわたる大規模なストリーミング評価は、静的ランキングが、ライブプロトコルの下で劇的なリシャッフルを行うことを示している。

関連論文リスト

• MMBench-Live: A Continuously Evolving Benchmark for Multimodal Models [33.25323416656233]
  MMBench-Liveはマルチエージェント駆動自動パイプラインによって構築された連続的に進化するマルチモーダルベンチマークである。 本フレームワークは,ベンチマークの進化をタスク誘導型データセット構築,構造化ベンチマーク仕様の統合,フィードバック制御リアルタイムデータ取得,検証可能なQA生成として扱う。 MMBench-Liveには5.9Kの新しい評価インスタンスがあり、回答の正確性が高い。
  論文  参考訳（メタデータ） (2026-07-02T07:27:58Z)
• TempusBench: An Evaluation Framework for Time-Series Forecasting [36.738682337273104]
  時系列基礎モデル(TSFM)のためのオープンソースの評価フレームワークであるTempusBenchを紹介する。 このようなフレームワークの開発の進展を妨げる、少なくとも4つの大きな問題が見られます。 GitHub上のコードへのアクセスは、https://github.com/Smlcrm/TempusBench.comです。
  論文  参考訳（メタデータ） (2026-04-13T14:29:34Z)
• Impermanent: A Live Benchmark for Temporal Generalization in Time Series Forecasting [8.050703449557028]
  Impermanentは、オープンワールドの時間的変化の下で予測モデルを評価するライブベンチマークである。 私たちは、スター数によるトップ400リポジトリにフォーカスし、イシューのオープン、プルリクエストのオープン、プッシュイベント、新しいスターゲイザーから時系列を構築します。 静的な精度から持続的な性能へ評価をシフトさせることにより、Imbermanentは、時系列予測における基礎レベルの一般化が有意義に主張できるかどうかを評価するための具体的な一歩を踏み出す。
  論文  参考訳（メタデータ） (2026-03-09T17:59:00Z)
• 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)
• It's TIME: Towards the Next Generation of Time Series Forecasting Benchmarks [87.7937890373758]
  時系列基礎モデル(TSFM)は,特定のデータセットモデルから一般化可能なタスク評価に至るまで,予測環境に革命をもたらしている。 我々は、50の新しいデータセットと98の予測タスクからなる次世代タスク中心のベンチマークであるTIMEを紹介する。 静的なメタラベルに基づく従来のデータセットレベルの評価を超える新しいパターンレベルの評価視点を提案する。
  論文  参考訳（メタデータ） (2026-02-12T16:31:01Z)
• TS-Arena Technical Report -- A Pre-registered Live Forecasting Platform [0.0]
  時系列ファンデーションモデル(TSFM)は、予測のための変換機能を提供するが、リスクは基本的な評価危機を引き起こす。 この危機は、異なるモデルにまたがるトレーニングとテストセットの重複による情報漏洩と、テストデータへのグローバルパターンの不正な転送によって引き起こされる。 TS-Arenaは、真に未知の未来を決定的なテスト環境として扱うことにより、予測の運用上の整合性を回復するプラットフォームである。
  論文  参考訳（メタデータ） (2025-12-23T20:48:11Z)
• Estimating Time Series Foundation Model Transferability via In-Context Learning [74.65355820906355]
  時系列基礎モデル(TSFM)は、大規模な事前訓練を通じて強力なゼロショット予測を提供する。 微調整は、公開データに制限のあるドメインのパフォーマンス向上に依然として不可欠である。 モデル選択をコンテキスト内学習問題として再キャストする転送可能性推定フレームワークであるTimeTicを紹介する。
  論文  参考訳（メタデータ） (2025-09-28T07:07:13Z)
• GIFT-Eval: A Benchmark For General Time Series Forecasting Model Evaluation [90.53485251837235]
  時系列基礎モデルはゼロショット予測に優れ、明示的なトレーニングなしで多様なタスクを処理する。 GIFT-Evalは、多様なデータセットに対する評価を促進するための先駆的なベンチマークである。 GIFT-Evalには、144,000の時系列と17700万のデータポイントの23のデータセットが含まれている。
  論文  参考訳（メタデータ） (2024-10-14T11:29:38Z)
• FreDF: Learning to Forecast in the Frequency Domain [54.2091536822376]
  時系列モデリングは、歴史的データと将来のシーケンスの両方における自己相関による固有の課題を提示する。 本稿では,周波数領域の予測学習によりラベル自己相関を緩和する周波数強調直接予測(FreDF)を提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:23:41Z)

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。