# Contiguous Patch Masking (CPM) ## 定義 Contiguous Patch Masking(CPM)は、時系列予測基盤モデルの学習時に**連続した将来パッチを一括マスク**することで、推論時に**シングルフォワードパス**で将来を一括予測できるようにするアーキテクチャ技術。 ## 問題と解決 - **問題**: デコーダ専用 TSFM の従来手法は、予測ホライズンを自己回帰的に生成する(パッチを 1 枚ずつ逐次生成)。ホライズンが長いほどレイテンシが線形に増加し、本番運用での実用性が下がる。 - **解決**: 学習時に未来の連続パッチをまとめてマスクし、モデルが「マスクされたパッチをまとめて埋める」タスクを解くよう訓練する。推論時はマスク箇所を一度のフォワードパスで並列予測できる(MAE / BERT 的な双方向マスク推論をデコーダに適用するイメージ)。 ## Toto 2.0 での効果 [[Toto]] 2.0 が CPM を採用した結果: - 推論レイテンシが Toto 1.0 比で「大幅に高速化」 - 313M 変種が [[Chronos-2]](120M)と同等のレイテンシで動作 - 品質(CRPS 等)も同時に向上 ([[@2026__Datadog__Toto-2.0-Time-Series-Forecasting-Enters-the-Scaling-Era]]) ## 関連 - エンティティ: [[Toto]] / [[Datadog]] - ソース: [[@2026__Datadog__Toto-2.0-Time-Series-Forecasting-Enters-the-Scaling-Era]] - 概念: [[時系列基盤モデル]] ## 出典 - [[@2026__Datadog__Toto-2.0-Time-Series-Forecasting-Enters-the-Scaling-Era]]