時系列世界モデル2026/10/26arXiv:2610.34797

TimeWorld: 時系列予測のための行動条件付きマルチモーダル世界モデルに向けて

TimeWorld: Towards Action-Conditioned Multimodal World Models for Time Series Forecasting

テキストで記述された介入(行動)が将来の時系列に与える影響を予測するため、事前学習済み時系列基盤モデルを応用したプラグインフレームワークTimeWorldと、その評価用ベンチマークTSWM-Benchを提案した論文。

詳しい要約

1. どんなもの？

- 時系列予測のための action-conditioned multimodal world model を扱う研究 - 計画された行動 (action) が将来の時系列ダイナミクスを変えうる設定を対象 - 既存 TSWM の固定 covariate schema と、multimodal forecaster が text を受動的文脈としてしか扱わない問題を指摘 - 評価用に TSWM-Bench を導入 - 7 つの実世界 dataset にまたがる cross-domain benchmark - 記録された action--outcome data に基づく textual intervention を含む - 提案手法 TimeWorld は pretrained TSFM を適応させる plug-in framework

2. 先行研究と比べてどこがすごい？

- 既存 TSWM は domain-specific な固定 covariate schema に依存し、柔軟な intervention 指定が難しい - 既存 multimodal forecaster は text を主に受動的な予測文脈として扱う - 評価で判明した点 - 従来の multimodal forecaster は dataset 固有の学習をしても history-only の TSFM に劣る - 単純な text-prefix 適応は評価した全 TSFM backbone で予測を改善 - この結果から pretrained TSFM が時間ダイナミクスに関する暗黙の world knowledge を保持すると示唆 - 従来の multimodal fusion を超え、action-conditioned modeling の基盤として TSFM を活用する点が新規

3. 技術・手法の肝は？

- pretrained TSFM を plug-in で適応する TimeWorld を提案 - 明示的な action-response modeling を導入 - Prototype-Guided Latent Modulation (PLM) module - textual action を時間ダイナミクスに接地 - 代表的な response prototype を構成 - action と履歴パターンに基づき将来表現を modulate - Action Contrastive Learning (ACL) component - 同一履歴の下で代替 intervention 間の更新を contrast - action 固有の response modeling を強化 - action 種別を区別しつつ相対的な強度関係を保持

4. どうやって有効だと検証した？

- TSWM-Bench を用いて評価 - 7 つの実世界 dataset - 記録された action--outcome data に基づく textual intervention - 従来 multimodal forecaster と history-only TSFM を比較 - multimodal forecaster は dataset 固有学習でも history-only TSFM に劣る - 単純な text-prefix 適応は全 TSFM backbone で改善 - TimeWorld 自体の定量結果の詳細は要旨からは不明

5. 議論はある？

- pretrained TSFM が時間ダイナミクスの暗黙の world knowledge を符号化している可能性を議論 - 従来の multimodal fusion ではなく、action-conditioned modeling への基盤として TSFM を位置づけ - 固定 covariate schema に依存しない柔軟な intervention 指定の重要性を示唆 - 限界や失敗事例、計算コスト、prototype 設計の感度などは要旨からは不明

6. 次に読むべき論文は？

- 比較対象として言及された history-only time series foundation models (TSFMs) - 従来の multimodal time series forecasters - 既存 time series world models (TSWMs) - text-prefix adaptation を用いた TSFM 適応研究 - 関連する一般手法として contrastive learning と prototype-based modulation の時系列応用

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Hang Ni, Weijia Zhang, Hao Liu

分類: cs.LG

原文アブストラクト

Time series forecasting supports decision-making in web applications such as online retail and network management, where planned actions can reshape future dynamics. World models provide a natural paradigm for predicting such action-dependent changes beyond extrapolating historical patterns. However, existing time series world models (TSWMs) typically rely on fixed, domain-specific covariate schemas that limit flexible intervention specification, while multimodal forecasters treat text primarily as passive predictive context. To investigate these gaps, we introduce TSWM-Bench, a cross-domain benchmark for multimodal TSWMs spanning seven real-world datasets, with textual interventions grounded in recorded action--outcome data. Our evaluation reveals that conventional multimodal forecasters underperform history-only time series foundation models (TSFMs) despite dataset-specific training, whereas simple text-prefix adaptations improve forecasting across all evaluated TSFM backbones. These findings suggest that pretrained TSFMs encode implicit world knowledge of temporal dynamics, offering a strong foundation for action-conditioned modeling beyond conventional multimodal fusion. Building on this insight, we propose TimeWorld, a plug-in framework that adapts pretrained TSFMs through explicit action-response modeling. Specifically, the Prototype-Guided Latent Modulation (PLM) module grounds textual actions in temporal dynamics by composing representative response prototypes to modulate future representations based on the action and historical patterns. The Action Contrastive Learning (ACL) component strengthens action-specific response modeling by contrasting these updates under alternative interventions sharing the same history, distinguishing action types while preserving relative intensity relationships.

arXivで原文を読む →arXiv概要ページ

← 論文一覧