TimeRFT：強化ファインチューニングによるTSFＭのための汎化可能な時系列予測の刺激

要旨: 時系列基盤モデル（TSFM）は、大規模な統一プリトレーニングによって、時系列予測における汎化性能とデータ効率を前進させる。しかしTSFMは、下流の特定の予測タスクに適応する際に、2つの理由から依然として不十分である。第一に、時系列データの非定常かつ不確実な性質により、過去の学習データと将来のテストデータの間で時間的な分布シフトが不可避に生じる一方、現在の教師あり微調整（SFT）ベースの手法は過学習しやすく、汎化性能を低下させる可能性がある。第二に、予測タスクごとに学習データの利用可能性が異なり、TSFMには多様なデータ環境下で良好に汎化することが求められる。これらの課題に対処するため、TSFMの下流適応のための時系列強化学習微調整（TimeRFT）というパラダイムを導入する。これは2つのタスク固有の学習レシピから構成される。i) 予測品質に基づく時間的報酬メカニズム：各予測ステップが全体の予測精度に与える寄与を、多面的に評価する。ii) 予測困難度に基づくデータ選択戦略：汎化可能な予測パターンと有益な学習シグナルを持つ時系列サンプルを特定する。広範な実験により、TimeRFTは多様な実世界の予測タスクおよび学習データ環境において、SFTベースの適応手法を一貫して上回ることが示される。さらに、未予見の分布シフトに対しても予測精度と汎化性能を向上させる。