論文の概要: Dynamical Parameters: An Interpretability Framework for Time-Series Foundation Models

• arxiv url: http://arxiv.org/abs/2609.34316v1
• Date: Mon, 28 Sep 2026 04:56:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 21:52:02.455355
• Title: Dynamical Parameters: An Interpretability Framework for Time-Series Foundation Models
• Title（参考訳）: 動的パラメータ:時系列基礎モデルの解釈可能性フレームワーク
• Abstract要約: 動的プロパティは、そのプロパティが変更されても、予測が正しく応答しない場合でも、隠れた状態でアクセスすることができる。 我々はこれらの特性を,トレンドスロープ,発振周波数,自己回帰依存性などの動的パラメータとして定式化する。 隠れ状態からの回復によって測定された表現アクセシビリティと、予測された予測変化と一致して測定された予測応答を比較した。
• 参考スコア（独自算出の注目度）: 5.229836859298801
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work studies a central gap in interpreting time-series foundation models (TSFMs): a dynamical property may be accessible in a hidden state even when the forecast fails to respond correctly as that property changes. We formalize these properties as Dynamical Parameters, including trend slope, oscillation frequency, and autoregressive dependence. We compare their representation accessibility, measured by recovery from hidden states, with their forecast response, measured by agreement with the expected forecast change. Across nine frozen TSFMs and thirteen laws, 42 of 63 model-parameter cells achieve accessibility above 0.95, whereas their median reference-aligned response relative to the conditional reference is only 0.46. To explain this gap, causal geometry compares the hidden-state change required to produce the reference response with the change induced by the parameter intervention. Directly modifying the hidden state recovers the reference response, but the parameter intervention often moves the state in a different direction. These results show that accessible parameter information need not be expressed in forecasts when input changes miss the required hidden-state direction.
• Abstract（参考訳）: 本研究は,時系列基礎モデル (TSFM) の解釈における中心的なギャップについて考察する。 我々はこれらの特性を,トレンドスロープ,発振周波数,自己回帰依存性などの動的パラメータとして定式化する。 隠れ状態からの回復によって測定された表現アクセシビリティと、予測された予測変化と一致して測定された予測応答を比較した。 9個の冷凍TSFMと13の法則のうち、63個のモデルパラメーター細胞のうち42個は0.95以上のアクセシビリティを実現する一方、条件付き参照に対する中央値の応答は0.46である。 このギャップを説明するために、因果幾何学は参照応答を生成するために必要な隠れ状態の変化とパラメータ介入によって引き起こされる変化を比較する。 隠された状態を直接修正すると参照応答が回復するが、パラメータの介入はしばしば異なる方向に状態を移動させる。 これらの結果から,入力変更が要求される隠れ状態方向を逸脱した場合に,アクセス可能なパラメータ情報を予測で表現する必要はないことが示唆された。

関連論文リスト

• ViBR-WM: Visual Bayesian Regression for World Modeling [0.9468435812014416]
  ViBR-WMは、物体の動き、植生の緑度、太陽エネルギーを予測する。 全てのタスクにおいて、時間的ストレートニング、ConvLSTM、PredRNN、SimVPよりも全体的な物理的ターゲット誤差が低い。 繰り返しフィッティングと再サンプリングは、これらの全体的な利益をサポートする。
  論文  参考訳（メタデータ） (2026-09-27T18:55:06Z)
• PredVLA: Predictive Sensorimotor Modeling for Sub-Million-Parameter Robot Manipulation [4.55011976634859]
  PredVLAは、トレーニング可能なネットワークパラメータがわずか0.68万で、ロボットデータの事前学習がない言語条件の予測符号化ポリシーである。 階層的なリカレントダイナミクスは視覚的特徴と固有受容を予測し、観察は予測エラー駆動オンライン推論によってのみ潜在状態に影響を与える。
  論文  参考訳（メタデータ） (2026-08-27T06:27:11Z)
• Variational Parameter Calibration with Physics-Aware Latent-Space Surrogates [3.5829219417440368]
  本稿では,物理を意識したニューラルネットワークに基づく遅延空間フレームワークについて紹介する。 提案したオートエンコーダに基づくアプローチは,物理パラメータを潜在表現によって予測された流れ場にマッピングする,微分可能なサロゲートを与える。
  論文  参考訳（メタデータ） (2026-08-11T21:02:31Z)
• EO-WM: A Physically Informed World Model for Probabilistic Earth Observation Forecasting [50.31500063307306]
  マルチスペクトル地球観測予測のためのビデオ拡散変換器であるEO-WMを紹介する。 EO-WMは、気象基準線、気象異常、累積的な物理的ストレス信号を通して気象的な強制力を表す物理的に情報を得た条件付けフレームワークを組み込んでいる。 実験の結果、EO-WMは予測正規化植生指数(NDVI)の減少振幅を相対5.63%減少させ、方向のヒット率を相対7.80%向上させることがわかった。
  論文  参考訳（メタデータ） (2026-06-25T16:53:30Z)
• PEFT-Arena: Understanding Parameter-Efficient Finetuning from a Stability-Plasticity Perspective [52.693471818837395]
  PEFTは安定性・塑性ジレンマにより評価されるべきである。 本稿では,下流性能と一般能力の維持を計測するベンチマークPEFT-Arenaを紹介する。 そこで本研究では,パスワイド巻き戻しによるポストホック改善の事例研究を行った。
  論文  参考訳（メタデータ） (2026-05-27T17:59:51Z)
• Navigating by Old Maps: The Pitfalls of Static Mechanistic Localization in LLM Post-Training [59.49057547517285]
  教師付き微調整プロセスを通してトランスフォーマー回路の構造変化を系統的に追跡する。 実験結果から,回路はパラメータ更新時に本質的に「自由進化」を示すことが明らかとなった。 この研究は、機械的ローカライゼーションにおける「予見」の必要性を浮き彫りにし、将来の研究の枠組みを提案する。
  論文  参考訳（メタデータ） (2026-05-07T11:59:52Z)
• Target Concept Tuning Improves Extreme Weather Forecasting [51.43578341469291]
  気象予報のための深層学習モデルは、台風のような珍しいが高影響の出来事でしばしば失敗する。 既存の微調整手法は、これらの極端な出来事を見落とし、全体的なパフォーマンスを犠牲にしてそれらを過度に適合させるというトレードオフに直面します。 モデルの改良によって上記の問題を解決するための,解釈可能な概念付き微調整フレームワークであるTaCTを提案する。
  論文  参考訳（メタデータ） (2026-03-17T15:34:05Z)
• From Observations to States: Latent Time Series Forecasting [65.98504021691666]
  本稿では,TSFを観測回帰から潜時予測に移行する新しいパラダイムであるLatent Time Series Forecasting(LatentTSF)を提案する。 具体的には、LatentTSFはAutoEncoderを使用して、各段階での観測結果を高次元の潜在状態空間に投影する。 提案する潜伏目標は,予測潜伏状態と地道状態と観測値との相互情報を暗黙的に最大化する。
  論文  参考訳（メタデータ） (2026-01-30T20:39:44Z)
• Active Inference with Reusable State-Dependent Value Profiles [0.0]
  生成モデルにおける隠れ状態に割り当てられた値関連パラメータの小さな再利用可能なバンドル。 この枠組みを確率論的逆転学習において評価し,静的精度,エントロピー結合動的精度,プロファイルベースモデルを比較した。
  論文  参考訳（メタデータ） (2025-12-03T04:11:57Z)
• Robust Counterfactual Explanations for Neural Networks With Probabilistic Guarantees [11.841312820944774]
  我々は、微分可能なモデルに対する潜在的なモデル変更に対する反ファクトの堅牢性を定量化するために、 $textitStability$ と呼ぶ尺度を提案します。 私たちの主な貢献は、十分高い値のtextitStability$の反ファクトが、高い確率でポテンシャルモデルが変化した後も有効であることを示すことです。
  論文  参考訳（メタデータ） (2023-05-19T20:48:05Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。