# 時系列基盤モデルの文脈拡張 ## 定義 時系列基盤モデルの文脈拡張は、事前学習済みバックボーンのパラメータを主に変更せず、検索した過去系列・区間・正常例、外部記憶、または入力変換を対象入力に付加して予測や検知を改善する後学習の一群である。検索拡張、記憶拡張、コンテキスト変換に分かれる。([[@2026__arXiv__Post-Training in Time Series Foundation Models A Unifying Framework - Chapter 5 Context Augmentation Methods]]) ## 横断的知見 ## 未解決の問い - 時間的な形状の類似度ではなく、最終タスクの損失への寄与に基づいて検索結果を選ぶにはどうするか。([[@2026__arXiv__Post-Training in Time Series Foundation Models A Unifying Framework - Chapter 5 Context Augmentation Methods]]) - 記憶を小さく保ちながら、希少な正常パターンを失わず、異常・ノイズ・古いレジームによる汚染を防ぐにはどうするか。([[@2026__arXiv__Post-Training in Time Series Foundation Models A Unifying Framework - Chapter 5 Context Augmentation Methods]]) - 入力変換、検索、記憶を統合したとき、どの順序と信頼度制御が分布シフト下で有効か。([[@2026__arXiv__Post-Training in Time Series Foundation Models A Unifying Framework - Chapter 5 Context Augmentation Methods]]) ## 関連 - ソース: [[@2026__arXiv__Post-Training in Time Series Foundation Models A Unifying Framework - Chapter 5 Context Augmentation Methods]] - 上位概念: [[時系列基盤モデルの後学習]] - 文書全体: [[Post-Training in Time Series Foundation Models A Unifying Framework]] ## 出典 - [[@2026__arXiv__Post-Training in Time Series Foundation Models A Unifying Framework - Chapter 5 Context Augmentation Methods]]