RMISC: 시계열 파운데이션 모델을 위한 대규모 실세계 다변량 코퍼스

요약

본 논문은 시계열 파운데이션 모델(TSFMs)의 일반화 성능 향상을 위해 대규모 실세계 다변량 코퍼스인 RMISC를 구축했습니다. 이 아카이브는 200개 데이터셋과 1420억 개의 시점 데이터를 포함합니다. 실험 결과, 실세계 다변량 데이터로 학습된 TSFMs가 합성 데이터 기반 모델보다 전반적인 일반화 성능을 크게 향상시키는 것을 입증했습니다.

핵심 포인트

• 실세계 코퍼스 RMISC 구축: 1420억 개의 시점 데이터를 포함하는 대규모 아카이브.
• TSFMs의 한계 지적: 기존 모델은 합성 데이터에 의존하여 실세계 복잡성을 포착하지 못함.
• 결과 분석: 실세계 다변량 데이터 통합이 TSFM의 일반화 성능을 크게 향상시킴.
• 실용적 시사점: 강력한 TSFM 개발에는 실제 세계 데이터를 활용하는 것이 필수적임.