TimeNet: Temporal Foundation Modelsのためのオープンソースデータインフラストラクチャ

現在の最先端LLMは、テキスト、ビデオ、オーディオにおいて驚異的な結果を示していますが、生産ライン、取引、掘削作業、需要供給予測といった実世界のシナリオではそれほど得意ではありません。これらのデータ、特に限られたコンテキストでは、それらを理解する能力がありません。

時系列情報をネイティブに理解できるモデル（Temporal Foundation Models: TFM）は存在しますが、データの問題があります。最先端モデルが学習する公開情報とは異なり、時系列情報は組織内に散在しており、統一的なアクセス方法がありません。

そこで私たちはTimeNetを構築しました。これは時系列データのためのImageNetのようなものです。

• 私たちのリポジトリまたは独自のデータのための統一されたデータレイヤー
• 分類、質問応答、スカラー予測、時系列ローカライゼーション、予測、生成、編集、対応（今後追加予定）などの時系列データ上のタスクを定義
• MLフレームワークに統合するためのシンプルで高性能なAPI
• 初の実験結果：複数の時系列データセットで学習することにより、OpenTSLMとSLIPのそれぞれでF1パフォーマンスが平均14％および22％向上しました。
• uv add timenetでインストール可能

TimeNetは、Aionic Labs、Stanford、ETH Zurich、UNSW Sydney、Sun Yat-sen University、Griffith University、Google、UCLA、TimeCopilot、Dartmouth、Harvard、Cambridge、Eindhoven University of Technology、KAISTの研究者による、成長するオープンでグローバルなコラボレーションの成果です。

論文: https://arxiv.org/abs/2610.04407

クイックスタート: https://docs.timenet.ai/get-started.html

TimeNetレジストリ: https://registry.timenet.ai/

現在、TimeNetでオンラインハッカソンが開催されており（https://challenge.timenet.ai/）、最大5万ドルのクラウドクレジット賞品が用意されています。これは最初のモデルトレーニングの促進に役立つでしょう。私たちは、皆さんがこの上に構築し、皆さんの考えを聞かせてくれることを楽しみにしています！