論文の概要: WaveTLM: Reliable Time-Series Language Modeling through Task Compilation
- arxiv url: http://arxiv.org/abs/2609.18812v1
- Date: Wed, 16 Sep 2026 15:21:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.86872
- Title: WaveTLM: Reliable Time-Series Language Modeling through Task Compilation
- Title（参考訳）: WaveTLM:タスクコンパイルによる信頼性のある時系列言語モデリング
- Abstract要約: タスクオブジェクトの信頼性を予測品質から分離し、信頼性のある時系列言語モデリングを定式化する。
ExecTS-QAは予測、計算、分類、異常検出、波形解析を対象とするベンチマークである。
単一のWaveTLMチェックポイントは99.40%の契約価カバレッジを達成するが、最も評価の高い文字列ファーストベースラインは37.83%である。
- 参考スコア（独自算出の注目度）: 10.630784076170555
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Time-series language models provide a shared natural-language interface across temporal tasks, but plausible text does not guarantee reliable task outputs. Responses may appear reasonable while hallucinating the required object: numerical sequences can violate shape, scale, channel order, or temporal alignment, and textual decisions can fall outside the legal label space. We formulate reliable time-series language modeling, separating task-object reliability from predictive quality. We introduce ExecTS-QA, a contract-grounded benchmark spanning forecasting, imputation, classification, anomaly detection, and waveform analysis. We further propose WaveTLM, a unified compiler-executor model whose task compiler transforms user requests, visible arguments, and wave-grounded evidence into typed task states, while task-native executors construct numerical tensors, legal decisions, or structured records. On ExecTS-QA, a single WaveTLM checkpoint achieves 99.40% contract-valid coverage, compared with 37.83% for the strongest evaluated string-first baseline, while retaining balanced predictive performance across all five task families. Evaluations on SciTS, TSQA, IRTS-ToolBench, and ARFBench provide additional evidence of transfer. The code, construction scripts, and ExecTS-QA dataset will be publicly released upon publication. These results show that task compilation can convert plausible language generation into reliable time-series outputs.
- Abstract（参考訳）: 時系列言語モデルは、時間的タスクにまたがる共通の自然言語インタフェースを提供するが、もっともらしいテキストは、信頼できるタスク出力を保証しない。
数値シーケンスは形状、スケール、チャネル順序、時間的アライメントに反し、テキストによる決定は法的ラベル空間の外に落ちうる。
タスクオブジェクトの信頼性を予測品質から分離し、信頼性のある時系列言語モデリングを定式化する。
本稿では,予測,計算,分類,異常検出,波形解析を対象とする契約グラウンドベンチマークであるExecTS-QAを紹介する。
さらに,タスクコンパイラがユーザ要求,可視的引数,ウェーブグラウンドのエビデンスを型付きタスク状態に変換し,タスクネイティブのエグゼクタが数値テンソル,法的決定,構造化レコードを構成するような統合型コンパイラ・エグゼクタモデルであるWaveTLMを提案する。
ExecTS-QAでは、1つのWaveTLMチェックポイントが99.40%の契約価カバレッジを達成し、最も評価の高い文字列ファーストベースラインでは37.83%、一方で5つのタスクファミリでバランスの取れた予測性能を維持している。
SciTS、TSQA、IRTS-ToolBench、およびARFBenchに関する評価は、転送のさらなる証拠を提供する。
コード、構築スクリプト、ExecTS-QAデータセットは公開時に公開される。
これらの結果から,タスクコンパイルは可読な言語生成を信頼性のある時系列出力に変換することができることがわかった。
関連論文リスト
- CodeTS: Verifiable Text-to-Time Series Generation via Executable Code [55.764516369801676]
中間生成インタフェースとしてコードを使用する検証可能なフレームワークであるCodeTSを提案する。
CodeTSはまず、テキストの時間的記述を明示的なコード空間にマッピングする。
このコード生成プロセスを、実際のコードアノテーションなしで確実に学習するために、CodeTSは構造化された時間属性から、整列されたText-Code-TS三つ子を構成する。
論文 参考訳（メタデータ） (2026-09-14T11:20:49Z) - A Foundation Model for Instruction-Conditioned In-Context Time Series Tasks [0.7677431882779153]
In-context Learning (ICL) では、モデルをパラメータを更新するのではなく、例に条件付けすることで推論時に適応させることができる。
本稿では,量子レグレッションT5エンコーダを用いた命令条件付き時系列タスクの基礎モデルを提案する。
論文 参考訳（メタデータ） (2026-03-23T21:24:41Z) - Chain-of-thought Reviewing and Correction for Time Series Question Answering [22.889720488678076]
本稿では,時系列質問応答の明示的な補正機構を備えた多段階推論を行うT3LLMを提案する。
このフレームワーク内では、作業者は構造化されたプロンプトの下で段階的思考連鎖(CoT)を生成し、レビュアーは推論を検査し、誤ったステップを特定し、修正的なコメントを提供する。
複数の実世界のTSQAベンチマークの実験により、T3LLMは強力なLLMベースのベースラインに対して最先端のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2025-12-27T15:54:18Z) - TComQA: Extracting Temporal Commonsense from Text [0.9339914898177187]
大規模言語モデル(LLM)は、テキストにしばしば明示的な記述があるため、時間的コモンセンスによる推論を必要とするテキストを生成するのに苦労する。
本稿では,LLMを利用して時間的コモンセンスを自動的にマイニングし,TComQAを構築するための時間的コモンセンス抽出パイプラインを提案する。
TComQAはクラウドソーシングによって検証され、時間的コモンセンスの抽出において80%以上の精度が達成されている。
論文 参考訳（メタデータ） (2025-08-21T06:07:40Z) - A Semantic Parsing Framework for End-to-End Time Normalization [10.472379345636845]
時間正規化は、自然言語の時間表現を機械可読表現に変換するタスクである。
ISO-TimeMLスキーマの制限表現に基づく従来のシステム。
SCATEフレームワークを基盤としたコード生成タスクとして,時間正規化の新たな定式化を導入する。
論文 参考訳（メタデータ） (2025-07-08T23:30:11Z) - Time-MQA: Time Series Multi-Task Question Answering with Context Enhancement [55.2439260314328]
Time Series Multi-Task Question Answering (Time-MQA)は、複数の時系列タスクにわたる自然言語クエリを可能にする統合フレームワークである。
Time-MQAの中心はTSQAデータセットである。
論文 参考訳（メタデータ） (2025-02-26T13:47:13Z) - Language in the Flow of Time: Time-Series-Paired Texts Weaved into a Unified Temporal Narrative [65.84249211767921]
テキスト・アズ・タイム・シリーズ(TaTS)は、既存の数値のみの時系列モデルにプラグインできる。
TaTSはモデルアーキテクチャを変更することなく予測性能を向上させることができることを示す。
論文 参考訳（メタデータ） (2025-02-13T03:43:27Z) - Temporal Validity Change Prediction [20.108317515225504]
既存のベンチマークタスクは、1つのステートメントの時間的妥当性を識別するモデルを必要とする。
多くの場合、利用可能なテキストストリームから、ストーリー中の文やソーシャルメディアプロファイル上の投稿などの追加の文脈情報を集めることができる。
本稿では,このような変化を誘発する文脈文を検出する機械学習モデルの能力をベンチマークした自然言語処理タスクである時間的妥当性変化予測を提案する。
論文 参考訳（メタデータ） (2024-01-01T14:58:53Z) - Bridging Cross-Lingual Gaps During Leveraging the Multilingual
Sequence-to-Sequence Pretraining for Text Generation [80.16548523140025]
プレトレインとファインチューンの間のギャップを埋めるために、コードスイッチングの復元タスクを追加して、バニラプレトレイン-ファインチューンパイプラインを拡張します。
提案手法は,言語間文表現距離を狭くし,簡単な計算コストで低周波語翻訳を改善する。
論文 参考訳（メタデータ） (2022-04-16T16:08:38Z) - Exploring Software Naturalness through Neural Language Models [56.1315223210742]
ソフトウェア自然性仮説(Software Naturalness hypothesis)は、自然言語処理で使用されるのと同じ手法でプログラミング言語を理解することができると主張している。
この仮説は,事前学習されたトランスフォーマーベース言語モデルを用いて,コード解析タスクを実行することによって検討する。
論文 参考訳（メタデータ） (2020-06-22T21:56:14Z) - Conversational Question Reformulation via Sequence-to-Sequence
Architectures and Pretrained Language Models [56.268862325167575]
本稿では、列列列構造と事前学習言語モデル(PLM)を用いた会話型質問修正(CQR)の実証的研究について述べる。
我々はPLMを利用して、CQRタスクの目的である最大推定におけるトークン・トークン・トークン・トークンの独立性の強い仮定に対処する。
我々は、最近導入されたCANARDデータセットの微調整PLMをドメイン内タスクとして評価し、TREC 2019 CAsT Trackのデータからドメイン外タスクとしてモデルを検証する。
論文 参考訳（メタデータ） (2020-04-04T11:07:54Z)
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。