論文の概要: Twice Upon a Time: Complementary Representations for Time-Series Reasoning

• arxiv url: http://arxiv.org/abs/2610.22327v1
• Date: Thu, 15 Oct 2026 17:52:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.263197
• Title: Twice Upon a Time: Complementary Representations for Time-Series Reasoning
• Title（参考訳）: 2倍の時間: 時系列推論のための補足表現
• Abstract要約: 時系列推論の設計原理として補完表現を導入する。 線形プロットは絶対測度と観測座標フレームを保存し、正規化遅延埋め込みは時間構造を露呈しながら正の振幅再スケーリングとオフセットを分解する。 我々のデュアルビューモデルは、TSRBenchの総合精度を44.5%に改善し、ラインプロットのみを53.2%に改善し、TSLMベースラインの36.7%をはるかに上回っている。
• 参考スコア（独自算出の注目度）: 16.43668400148765
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time Series Language Models (TSLMs) enable language-based understanding and reasoning over temporal data, yet a fundamental question remains: what information should their time-series representations preserve, and what variation should they factor out? Existing TSLMs typically expose the language model to a single representation, imposing a fixed inductive bias across downstream tasks. We instead introduce complementary representations as a design principle for time-series reasoning. Our model combines two visual views: line plots preserve absolute measurements and the observed coordinate frame, while normalized delay embeddings factor out positive amplitude rescaling and offsets while exposing temporal structure. Dedicated visual encoders integrate both views into a shared language model through visual tokens and multi-level feature fusion. Evaluation-time interventions verify that the two views exhibit distinct invariance profiles, while single-view ablations show that their combination is particularly beneficial beyond basic perception, with the large gains in prediction and reasoning. Built on Qwen3-VL-8B, our dual-view model improves overall TSRBench accuracy from 44.5% with line plots alone to 53.2%, substantially exceeding the strongest evaluated dedicated TSLM baseline at 36.7%. It further achieves 89.9% accuracy on TSExam and 86.8% numerical accuracy on multivariate ChatTS alignment. Together, these results demonstrate that complementary representations provide an effective design principle for general-purpose TSLMs, enabling models to exploit temporal structure without sacrificing access to the original measurement frame.
• Abstract（参考訳）: 時系列言語モデル(TSLM)は、時相データに対する言語ベースの理解と推論を可能にするが、根本的な疑問が残る。 既存のTSLMは言語モデルを単一の表現として公開し、下流のタスクに一定の帰納バイアスを与える。 代わりに、時系列推論のための設計原則として補完表現を導入する。 線形プロットは絶対測度と観測座標フレームを保存し、正規化遅延埋め込みは時間構造を露呈しながら正の振幅再スケーリングとオフセットを分解する。 専用ビジュアルエンコーダは、ビジュアルトークンとマルチレベル機能融合を通じて、両方のビューを共有言語モデルに統合する。 評価時間の介入は、2つの視点が異なる相違プロファイルを示すことを検証し、一方、単一視点のアブリゲーションは、それらの組み合わせが基本的な知覚を超えて特に有益であることを示し、予測と推論の大きな進歩を示している。 Qwen3-VL-8Bをベースとすることで、TSRBenchの総合精度を44.5%から53.2%に改善し、TSLMベースラインの36.7%をほぼ上回りました。 さらにTSExamでは89.9%、多変量ChatTSアライメントでは86.8%の精度を実現している。 これらの結果から,相補的表現は汎用TSLMの効果的な設計原理であり,モデルが元の計測フレームへのアクセスを犠牲にすることなく時間構造を活用できることが示唆された。

関連論文リスト

• A Hybrid Attention Model Learning Unified Time-aware Patch Representation for Irregular Multivariate Time Series Forecasting [16.73467091190211]
  IMTS予測のための統合タイムアウェアパッチ表現を学習するハイブリッドアテンションモデルを提案する。 本モデルはIMTS上での最先端のゼロショット性能を実現し,正規予測に移行しても競争力を維持する。
  論文  参考訳（メタデータ） (2026-09-19T07:14:17Z)
• SAGE: Variate-Wise Semantic Augmentation for Vision-Language Time Series Forecasting [6.3330628137530605]
  時系列予測モデルは生の数値列で動作し、ドメインの専門家が暗黙的に利用する意味的な知識を欠いている。 本稿では,時間的・相互変数的・テキスト的・視覚的情報を共同でモデル化する,エンドツーエンドのCLIPベースのフレームワークであるSAGEを提案する。
  論文  参考訳（メタデータ） (2026-08-27T09:04:45Z)
• TimeLens2: Generalist Video Temporal Grounding with Multimodal LLMs [36.2604844032041]
  ビデオマルチモーダル大言語モデル(MLLM)は、ビデオ内で何が起こるかを記述することができるが、支持された証拠がいつ発生したかを特定することは滅多にない。 本研究では,ビデオの長さ,領域,クエリフォーム,視点をまたいだエビデンス間隔の変動心電図を1つのモデルで予測する一般的なビデオ時間的グラウンドについて検討する。 TimeLens2は、時間的エビデンスを、監督と最適化を通じて設定されたインターバルとして扱う。
  論文  参考訳（メタデータ） (2026-07-19T22:04:33Z)
• Same Answer, Different Representations: Hidden instability in VLMs [65.36933543377346]
  本稿では,内部埋め込みドリフト,スペクトル感度,構造的滑らかさを計測する表現認識・周波数認識評価フレームワークを提案する。 このフレームワークを,SEEDBench,MMMU,POPEデータセットを対象とする最新のビジョン言語モデル(VLM)に適用する。
  論文  参考訳（メタデータ） (2026-02-06T12:24:26Z)
• Not in Sync: Unveiling Temporal Bias in Audio Chat Models [59.146710538620816]
  大規模音声言語モデル(LALM)は、音声理解やマルチモーダル推論にますます応用されている。 LALMにおける時間バイアスに関する最初の体系的研究を行い,その時間スタンプ予測における重要な限界を明らかにした。
  論文  参考訳（メタデータ） (2025-10-14T06:29:40Z)
• When Does Multimodality Lead to Better Time Series Forecasting? [96.26052272121615]
  このようなマルチモーダルな統合が常に利益をもたらすかどうか、どのような条件で検討する。 その結果,マルチモーダリティの利点は条件に依存していることが判明した。 我々の研究は、マルチモーダリティが予測タスクに役立つことをいつ予測できるかを理解するための厳密で定量的な基礎を提供する。
  論文  参考訳（メタデータ） (2025-06-20T23:55:56Z)
• Implicit Temporal Modeling with Learnable Alignment for Video Recognition [95.82093301212964]
  本稿では,極めて高い性能を達成しつつ,時間的モデリングの労力を最小限に抑える新しいImplicit Learnable Alignment(ILA)法を提案する。 ILAはKineetics-400の88.7%で、Swin-LやViViT-Hに比べてFLOPははるかに少ない。
  論文  参考訳（メタデータ） (2023-04-20T17:11:01Z)
• Interpretable Time-series Representation Learning With Multi-Level Disentanglement [56.38489708031278]
  Disentangle Time Series (DTS)は、シーケンシャルデータのための新しいDisentanglement Enhanceingフレームワークである。 DTSは時系列の解釈可能な表現として階層的意味概念を生成する。 DTSは、セマンティック概念の解釈性が高く、下流アプリケーションで優れたパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-05-17T22:02:24Z)

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。