# Toto ## 定義 Toto(Time Series Optimized Transformer for Observability)は [[Datadog]] AI Research が開発した、観測時系列データ(observability metrics)に特化した zero-shot 時系列予測の[[時系列基盤モデル]]。151Mパラメータの decoder-only transformer で、次パッチ予測タスクで事前学習される。([[2025__NeurIPS2025__This Time is Different - An Observability Perspective on Time Series Foundation Models]]) ## 役割・位置づけ - 観測データの非定常性・高カーディナリティ多変量・裾の重い分布に対応する4つの専用要素を持つ: patch-based causal instance normalization / proportional factorized attention(time:variate=11:1)/ Student-T mixture head / composite robust loss。 - 事前学習コーパスは約2.36兆点(うち43%が Datadog の匿名観測メトリクス)で、主要 TSFM の4〜10倍の規模。 - benchmark [[BOOM]] で CRPS を次点比12.4%改善、汎用 benchmark GIFT-Eval・LSF でも zero-shot SOTA。 - 重み・推論コード・評価スクリプトを Apache 2.0 で公開(<https://huggingface.co/Datadog/Toto-Open-Base-1.0>, <https://github.com/DataDog/toto>)。 ## 関連 - エンティティ: [[Datadog]](開発元)/ [[BOOM]](同時公開の評価 benchmark)/ [[Carnegie Mellon University]](共同研究) - ソース: [[2025__NeurIPS2025__This Time is Different - An Observability Perspective on Time Series Foundation Models]] - 概念: [[時系列基盤モデル]] - 関連 MOC: [[時系列基盤モデル - MOC]] / [[Telemetry - MOC]] ## 出典 - [[2025__NeurIPS2025__This Time is Different - An Observability Perspective on Time Series Foundation Models]]