PathFM（パスFM）は2026年10月15日(現地時間)、時系列予測における新しい生成モデルとしてarXivで発表された。このモデルは、フローマッチング技術を用いて将来の軌道を完全に生成し、従来のモデルでは捉えきれなかった軌道の依存性構造を明確にモデル化する。これにより、累積需要やピーク負荷といった軌道に依存する量の予測精度が向上する。複数の確立されたベンチマークにおいて、既存の外部ベースラインを上回る集計パススコアを達成したと報告されている。
時系列基盤モデルは汎用予測において普及が進むものの、主要なモデルの多くは周辺分位予測に留まり、将来の軌道における依存性構造を未指定のままにしていた。この状態は、累積需要、ピーク負荷、イベントタイミングといった軌道依存量にとって重要な要素であり、点数予測や周辺スコアだけでは把握できなかった。研究チームは、この依存性をモデル化するためにPathFM（パスFM）を開発した。
PathFMは、フローマッチングを利用して将来の完全なパスを生成する軌道ベースの予測モデルである。さらに、このモデルは1〜2ステップに蒸留され、ドロー間で履歴アテンションキャッシュを共有することで、単一の系列に対して複数のパスを、従来の分位モデルの1クエリとほぼ同等の時間で生成できるようになった。この蒸留されたサンプラーは、キャリブレーション損失を直接最適化することを実用的なものにする。
PathFMは、確立された予測ベンチマークであるfev-benchとTIMEにおいて、競争力のある周辺精度を示した。これらの評価を補完するため、fev-benchタスクをエネルギーおよびバリオグラムスコアと下流メトリクスで強化したForecast Path Score Bench (fps-bench)が新たに導入された。PathFMはfps-benchにおいて、評価された全ての外部ベースラインを上回る集計パススコアを記録している。カオス系における実験では、PathFMのフローモデルが長期間の変動を維持する一方、強力なベースラインモデルは急速に崩壊することが示された。PathFMは生成型時系列予測の競争力と実用性を高め、多様な下流アプリケーションの可能性を広げる。
参考: arXiv cs.LG — 2026年10月16日 02:58 (JST)
原文ハイライト"PathFM: Fast Generative Forecasting of Multivariate Trajectories"