Hedi Zisling 氏らは2026年10月15日(現地時間)、時系列データに対する言語ベースの理解と推論を可能にする時系列言語モデル（TSLM）の設計原則として、相補的表現（complementary representations）を導入した新たな研究論文を発表した。既存のTSLMが単一の表現を用いるのに対し、同氏らのモデルは二つの視覚的表現を組み合わせることで、下流タスクにおける予測と推論で大きな性能向上を達成した。
このモデルは、絶対測定値と観測座標系を保持する線形プロットと、正の振幅再スケーリングおよびオフセットを排除しつつ時間構造を示す正規化遅延埋め込みという二つの視覚的表現を組み合わせる。専用の視覚エンコーダーが、これらの二つの視覚情報を視覚トークンと多段階特徴融合を通じて共有の言語モデルに統合する。
Qwen3-VL-8B を基盤とする同氏らのデュアルビューモデルは、TSRBench の全体的な精度を線形プロットのみの場合の 44.5% から 53.2% へと向上させた。これは、評価対象となった専用の時系列言語モデルの強力なベースラインである 36.7% を大きく上回る結果である。さらに、TSExam で 89.9% の精度、多変量 ChatTS アライメントで 86.8% の数値精度を達成した。
評価時の介入により、二つの視覚的表現が異なる不変性プロファイルを示すことが確認された。また、単一視覚表現によるアブレーション研究では、その組み合わせが基本的な知覚を超えた予測と推論において特に有効であることが示された。これらの結果は、相補的表現が汎用時系列言語モデルの効果的な設計原則となり、元の測定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を示唆している。
参考: arXiv cs.LG — 2026年10月16日 02:52 (JST)
原文ハイライト"complementary representations provide an effective design principle for general-purpose TSLMs"