# SPRINT **S**easonal **P**attern **R**eplication and Trend **R**esolution **Int**erpolation の略。[[Tsinghua University]] の NetManAIOps グループ([[Longlong Xu]]・[[Dan Pei]] ほか)が開発した、TSFM 向けの推論時学習不要プラグアンドプレイフレームワーク。 コード: https://github.com/NetManAIOps/SPRINT（ICML 2026 掲載論文に紐付き） ## 設計原則 時系列の周波数領域の冗長性(Shannon/Nyquist の定理)を利用し、ダウンサンプリングされた解像度空間で予測を行うことで計算量を削減しながらより広いコンテキストを見る。3 つの課題(情報損失・解像度ミスマッチ・モデル非依存性)に対処するため、時系列をトレンド(低周波)と季節性(高周波)に分解して個別処理する。 ## 主要コンポーネント - **Resolution Interpolation**: トレンド成分をダウンサンプリング → TSFM に通す → スプライン補間で高解像度に再構築 - **Pattern Replication**: 過去の完全周期から指数加重平均でパターンを抽出 → 予測ホライゾンに複製 ## 性能(ICML 2026 報告) 9 データセット・7 TSFM での標準 LTSF ベンチマーク(L ∈ {96, 192, 336, 720}): - 精度: 平均 +19% MSE 改善 - 計算量: 平均 343.62 倍 MACs 削減 - 最大メモリ: 平均 6.35 倍削減 - 推論時間: 平均 16.87 倍削減 Timer は元来 L>720 で失敗していたが SPRINT により L=5760 まで動作。 ## 関連 - ソース: [[@2026__ICML__See More, Forecast Better and Faster - Enhancing Time Series Foundation Models via Inference-Time Plug-and-Play Downsampling]] - 開発者: [[Longlong Xu]] / [[Zeyan Li]] / [[Dan Pei]] / [[Changhua Pei]] - 所属機関: [[Tsinghua University]] / [[ByteDance]] - 概念: [[時系列基盤モデル]]