arXiv cs.CLは2026年11月11日(現地時間)、TimeOmni-o1と名付けられた新たなモデルを発表した。このモデルは、時系列基盤モデル（TSFM）と大規模言語モデル（LLM）を双方向に連携させることで、マルチモーダルな推論と予測を実現する。これにより、現実世界のシステムから得られる時系列データと、それに関連するテキスト情報の両方を統合的に処理し、より高度な時系列の理解と将来値の予測を可能にする。
Ziyang Zhang氏らの研究チームによって開発されたTimeOmni-o1は、事前学習済みのTSFMとLLMを巧みに連携させる革新的なモデルアーキテクチャを採用している。このシステムの核となるのは、時系列データとテキストデータの双方向統合処理能力である。
具体的には、まずTSFMが時系列データを圧縮された形式でエンコードし、これをLLMがテキストデータと組み合わせて推論する。このプロセスにおいて、LLMは時系列に付随する文脈情報を活用し、より深い洞察を得る。次に、LLMによるテキストベースの推論結果がTSFMにフィードバックされる。この豊富な情報に基づいてTSFMは、単独では得られない精度の時系列予測を生成する。
この独自の双方向連携アプローチにより、TimeOmni-o1は時系列とテキストの両モダリティからの入力を読み込み、さらに両モダリティでの出力を生成することが可能となる。これにより、LLMが持つ強力なテキスト推論能力と、TSFMが事前に学習によって培ってきた高精度な予測能力の両方を最大限に活用することができる。この統合は、従来の単一モダリティモデルでは困難であった、複合的なデータセットに対するロバストなパフォーマンス向上をもたらす。
研究チームは、TimeOmni-o1の訓練と評価のために、新たにMMTR（Multimodal Time Series Reasoning）と呼ばれる大規模なマルチモーダル時系列推論データセットを構築した。このMMTRデータセットには、時系列データとその解釈や予測に関するテキストによる注釈付き推論トレースが含まれており、多様な12のドメインにわたる50万以上のサンプルで構成されている。この包括的なデータセットを用いることで、モデルは実世界の複雑なシナリオに対応できるよう設計された。
MMTRデータセット上での綿密な評価の結果、TimeOmni-o1は、既存の最先端モデルや、TSFMとLLMを個別に利用した場合の性能を多くのドメインで大きく上回った。さらに、このモデルは、広く利用されている3つの公開ベンチマークにおいても、特定の時系列予測に特化した専門モデルを凌駕する優れた結果を示している。これらの成果は、TimeOmni-o1が様々なアプリケーションにおいて、より高精度で状況認識に富んだ予測と推論を提供できる可能性を示唆している。
参考: arXiv cs.CL (アーカイブ) — 2026年11月11日 14:00 (JST)
原文ハイライト"Bidirectionally Coupling Time Series Foundation Models and LLMs for Multimodal Reasoning"