## 定義 時系列基盤モデル(TSFM)のバイアスと失敗モードとは、ゼロショット汎化を謳う[[時系列基盤モデル]]が特定のドメイン・データ特性のもとで系統的に精度を落としたり、予測として不合理な出力を生成したりする現象を指す。単なる精度指標の低下にとどまらず、コンテキストのわずかな変化で予測が突然崩壊する、あるいは実質的には単純なヒューリスティックの模倣に過ぎない、といった質的な失敗パターンを含む。(Source: [[@2025__arXiv__Performance of Zero-Shot Time Series Foundation Models on Cloud Data]]) 個別業務向けモデルから TSFM への移行は、モデルと応用の関係を一対一から一対多に変えるため、TSFM のバイアス・失敗モードは単一の応用に留まらず、それを利用する全ての下流応用に波及する**集中リスク(concentration risk)**を持つ。ベンチマークの集約指標は個々の時系列パターンに対する挙動を示さないため、体系的な特定には因果的な検証(パラメータ化された合成生成器への介入)が必要になる。([[@2026__arXiv__Causal Analysis for Time Series Foundation Models]]) ## 横断的知見 - **観測的な実データ評価と、統制された介入実験は異なる失敗モードを見つけ出す。** [[@2025__arXiv__Performance of Zero-Shot Time Series Foundation Models on Cloud Data]] はクラウドテレメトリという実データでの評価から「コンテキストが1ステップずれるだけで予測が突然崩壊する」という Moirai の病理的挙動を発見した。一方 [[@2026__arXiv__Causal Analysis for Time Series Foundation Models]] は合成生成器への do 介入という統制実験から、Chronos-2・TimesFM-2.5 に持続性の過大評価バイアスとレジームスイッチ/エネルギー放出パターンでの失敗モードを見出した。両者はいずれも「静的ベンチマークの集約精度指標だけでは TSFM の脆弱性を捉えられない」という結論で一致するが、前者は実データの偶発的な脆弱性発見に強く、後者はパターンを制御した再現可能な因果的特定に強いという相補的なアプローチである。 - **両モデルとも持続性(persistence)を過大評価するバイアスを共有する。** AR(1) 過程(自己回帰係数 β)とフラクショナルブラウン運動(Hurst 指数 H)への介入で、Chronos-2・TimesFM-2.5 はいずれも低い β・H の値でも高い β̂・Ĥ を出力し、入力より持続性の強い(トレンドが続く)出力を生成する傾向を示す。このバイアスの度合いは Chronos-2 の方がやや弱い。(Source: [[@2026__arXiv__Causal Analysis for Time Series Foundation Models]]) - **失敗モードのパターンはモデルごとに異なる非対称性を持つ。** レジームスイッチパターン(区分線形トレンドの符号反転)では両モデルとも滞留時間が長くなると保存に失敗するが、Chronos-2 は τ≥50、TimesFM-2.5 は τ≥25 とより早期に破綻する。エネルギー放出パターン(閾値超過でのリセット)では Chronos-2 が全介入範囲でパターンを保存する一方、TimesFM-2.5 は κ≥25 で平滑化を始め κ≥50 でパターンを完全に喪失する。両パターンとも TimesFM-2.5 の方が脆弱という非対称性が一貫する。(Source: [[@2026__arXiv__Causal Analysis for Time Series Foundation Models]]) - **事前学習データの構成比が、保存できるパターンと失敗するパターンを説明しうる。** [[@2026__arXiv__Causal Analysis for Time Series Foundation Models]] の著者は両モデルの原論文が公開する学習データセットの内訳(Chronos-2: 23 データセットのうちエネルギー5・交通6 が周期的、TimesFM-2.5: 19 データセットのうち 4 種がトレンド分類)を検討し、ランダムウォーク(ドリフト)・調和振動子(周期)で両モデルが良好な保存性能を示した一方でレジームスイッチ・エネルギー放出のような非線形なトリガー事象への失敗が観測されたことと整合すると論じる。これは、TSFM のバイアス・失敗モードが単なるアーキテクチャの限界ではなく、事前学習データの分布に起因する可能性を示唆する。 - **医薬品・自動車開発の段階的検証プロセスとの類推が、TSFM 検証の方法論的ギャップを明確化する。** 医薬品開発(in vitro → 動物 in vivo → ヒト in vivo → 市販後監視)や自動車開発(部品単位のテストリグ → 車両全体の検証)は、ceteris paribus 条件下での因果的検証(第一段階)と、より現実的だが交絡の多い条件での検証(第二段階)を明確に分離する。現行の TSFM 検証はもっぱら第二段階に相当するベンチマーク評価に偏っており、explainable AI・頑健性研究もデータ生成過程への介入という第一段階の枠組みを提供しない、という方法論的ギャップが指摘される。(Source: [[@2026__arXiv__Causal Analysis for Time Series Foundation Models]]) ## 未解決の問い - [[@2025__arXiv__Performance of Zero-Shot Time Series Foundation Models on Cloud Data]] が報告した Moirai の「コンテキストが1ステップずれるだけで予測が突然崩壊する」病理は、[[@2026__arXiv__Causal Analysis for Time Series Foundation Models]] の因果分析フレームワークで Chronos-2・TimesFM-2.5 に対して再現するか。後者はレジームスイッチ・エネルギー放出という「構造的な断絶」への失敗は特定したが、Moirai 型の「コンテキストの微小なずれ」に対する感度は評価していない。 - VisionTSがクラウドデータで相対的に好成績なのは「実質的にナイーブ季節性予測器を模倣しているから」と分析されたが、これは訓練データに時系列を一切含まない(ImageNet事前学習のみの)アーキテクチャゆえの汎化の欠如を示すのか、あるいは季節性の強いドメイン一般に有効な副産物的挙動なのか切り分けられていない。 - 因果分析フレームワークによる in vitro の知見(合成生成器での dose-response 関係)は、実世界データセットを用いた in vivo 検証でどこまで再現されるか。[[@2026__arXiv__Causal Analysis for Time Series Foundation Models]] の著者ら自身がこれを今後の研究課題として明記しており、未検証のまま残る。 - [[Chronos-2]]・[[TimesFM]] 以外の TSFM([[Toto]]・[[Moirai-MoE]] 等)でも同様の持続性過大評価バイアスやレジームスイッチ・閾値パターンでの失敗モードが再現されるかは未検証。同一の因果分析フレームワークを他モデルへ適用した比較研究が望まれる。 ## 関連 - エンティティ: [[Chronos-2]] / [[TimesFM]] / [[Mathis Jander]] - ソース: [[@2025__arXiv__Performance of Zero-Shot Time Series Foundation Models on Cloud Data]](クラウドデータでの病理的挙動の一次観測)/ [[@2026__arXiv__Causal Analysis for Time Series Foundation Models]](合成生成器への因果介入によるバイアス・失敗モードの特定) - 概念: [[時系列基盤モデル]](親概念) - 関連 MOC: [[時系列基盤モデル - MOC]] ## 出典 - [[@2025__arXiv__Performance of Zero-Shot Time Series Foundation Models on Cloud Data]] Figure 1・Figure 2・§3.1 - [[@2026__arXiv__Causal Analysis for Time Series Foundation Models]] §3(因果分析フレームワーク)・§4(実験1〜6の結果)・§5(考察: 事前学習データによる説明)