## Memo ## Abstract 本稿では、汎用的な時系列分析のためのオープンソースの基礎モデル群であるMOMENTを紹介する。時系列データに対する大規模モデルの事前学習は、(1)大規模でまとまった公開時系列リポジトリが存在しないこと、(2)多様な時系列特性が複数データセットの学習を困難にしていること、などの理由から困難である。さらに、(3)これらのモデルを評価するための実験的ベンチマークは、特にリソース、時間、監督が限られたシナリオでは、まだ初期段階にある。これらの課題に対処するために、我々は時系列パイルと呼ばれる大規模かつ多様な公開時系列コレクションをコンパイルし、大規模なマルチデータセット事前学習を解除するために時系列固有の課題に体系的に取り組む。最後に、最近の研究を基に、限られた監視環境において、多様なタスクとデータセットで時系列基礎モデルを評価するベンチマークを設計する。このベンチマークの実験により、最小限のデータとタスク固有の微調整で、我々の事前学習済みモデルの有効性が実証された。最後に、大規模な事前訓練された時系列モデルに関するいくつかの興味深い経験的見解を示す。我々のコードはanonymous.4open.science/r/BETT-773Fで匿名で利用可能である。