時系列予測のためのファウンデーションモデル：現実世界のベンチマーク

ARIMAやProphetなどの従来の時系列予測手法は、新しい世代の「ファウンデーションモデル」によって挑戦されています。これらのモデルは、大規模言語モデル（LLM）の能力を時系列データに応用することを目指しており、単一のモデルで様々なデータセットとドメインにわたる予測を可能にします。この記事では、Amazon Chronos、Google TimesFM、IBM Tiny Time-Mixers、Datadog Totoなどのファウンデーションモデルを、従来のベースラインと比較したベンチマークテストの結果を示しています。現実世界のKubernetes podメトリクスを用いたテストでは、ファウンデーションモデルが多次元予測において優れた性能を発揮し、特にDatadog Totoが良好な結果を示しました。しかし、外れ値や新しいパターンへの対処には課題が残っており、定常的なワークロードでは従来のモデルが依然として競争力を維持しています。最終的に、著者らは、ファウンデーションモデルが急速に変化する多次元データストリームに対して大きな利点を提供し、現代のオブザーバビリティとプラットフォームエンジニアリングチームに柔軟性と拡張性の高いソリューションを提供すると結論付けています。