TempoPFNの合成事前学習、時系列予測における実データ優位に一石
TempoPFNは、現実世界の時系列データを使わずに3800万パラメーターの予測モデルを訓練し、NeurIPS 2026のメイントラック採択を獲得した。これによりTempoPFNの合成事前学習は、単なる新たなベンチマーク結果にとどまらない。競争力ある予測モデルには、ビジネス、インフラ、金融、センサーから得られる膨大な過去データの収集が不可欠だという前提に異議を唱えている。
このプロジェクトは、オープンな合成データパイプラインと、予測期間全体を一度に予測する線形再帰型ニューラルネットワーク（RNN）を組み合わせている。著者らは、多様な予測分野と予測期間を対象とするベンチマークGIFT-Evalで、競争力のあるゼロショット結果を報告している。
重要な競争は、TempoPFNと別の固有名を持つモデルの単純な比較ではない。合成かつ再現可能な事前学習と、大規模でしばしば非公開の現実世界データセットを収集する従来戦略との競争である。Chronos、TimesFM、TiRex、Totoといったモデルは重要な比較基準を提供するが、より深い論点は、予測能力がどこから生まれるのかにある。
TempoPFNはこの論争に決着をつけるものではない。その証拠は主にベンチマーク評価に基づいており、現行モデルは単変量のままである。それでも、その合成ジェネレーターはすでにToto 2.0やTS-ICLを含む大規模プロジェクトに影響を与えている。この再利用によって、研究成果の公開は、予測分野における新たなインフラの一部へと変わりつつある。
TempoPFNの合成事前学習がNeurIPS 2026へ
NeurIPSでの採択が重要なのは、TempoPFNが興味深い合成データ実験から、この分野の中心的な技術論争へと移行することを意味するためだ。
フライブルク大学のMachine Learning Labは、TempoPFNを第40回Conference on Neural Information Processing Systemsのメイントラック論文として掲載している。著者として名を連ねるのは、Vladyslav Moroshan、Julien Siems、Arber Zela、Timur Carstensen、Frank Hutterである。機関によるNeurIPS publication listは、この研究をめぐる議論を再燃させたReddit投稿よりも強力な裏付けとなる。
基礎となる研究は、2025年10月29日に初めてarXivで公開された。その中核的な提案は、バージョンをまたいで一貫している。完全に生成された時系列だけで汎用予測モデルを訓練し、その後、タスク固有のファインチューニングを行わずに未知の実データセットで評価するというものだ。
ゼロショット予測とは、新しいデータセットに対して、そのデータセットで再訓練することなくモデルが予測を出すことを指す。この特性が魅力的なのは、実運用チームが同一のデータ条件に置かれることはほとんどないためだ。サンプリング間隔、季節性パターン、欠損値、予測期間は、導入先ごとに異なる。
このモデルは単変量であり、一度に予測する計測変数は1つである。現行形態では、複数の関連シグナル間の相互作用を直接モデル化できない。この制約は、トラフィック、レイテンシ、エラー率など、接続された指標向けに設計された多変量システムとの違いを明確にする。
公開されたチェックポイントは3800万パラメーターを含む。そのアーキテクチャは、系列全体での並列計算を可能にしつつ情報を追跡するよう設計された線形RNNの一種、GatedDeltaProductを採用している。また、予測前に系列を固定パッチや圧縮ウィンドウへ分割することも避けている。
TempoPFNのresearch paperによれば、このモデルは合成データのみで事前学習された。パイプラインは既存のジェネレーターと新たなジェネレーターを組み合わせ、得られるパターン分布を広げることを意図した拡張を適用している。
ジェネレーターには、ガウス過程、確率微分方程式、ForecastPFNスタイルの事前分布、因果構造、ステップ関数、スパイク、のこぎり波、正弦波、音声に着想を得た過程が含まれる。これらを組み合わせることで、トレンド、季節性、急激な変化、異常、ボラティリティ、複数の時間スケールにまたがる相互作用を生み出す。
この多様性が、このプロジェクトの最初の重要な貢献である。合成予測研究は、しばしば狭い単一の数学的ファミリーに依存する。そのようなファミリーは無制限のサンプルを生成できても、現実の運用挙動のごく一部しか表現していない可能性がある。
一方TempoPFNは、生成をライブラリと合成の問題として扱う。異なる事前分布が異なる構造を生み出し、拡張がスケール、タイミング、周波数、ノイズ、欠損性を変化させる。訓練分布は、単一のシミュレーションではなく、設計されたカリキュラムとなる。
このプロジェクトの2つ目の貢献は再現性である。著者らは、ジェネレーター実装、モデルコード、訓練設定、評価スクリプト、チェックポイントを公開した。研究者は、文書化されていないコーパスの説明を受け入れる代わりに、どの事前分布が訓練データを生み出したのかを検証できる。
この違いが重要なのは、事前学習データが予測研究で最も監査しにくい変数の1つとなっているためだ。公開データセットは、多くの訓練ミックス、ベンチマーク集、派生コーパスに登場する。意図的に配置しなくても、モデルが評価前にテストに類似した系列に遭遇する可能性がある。
TempoPFNは、事前学習用の系列を生成することで、この特定の問題を回避している。この手法だけで公正な評価を保証するわけではないが、訓練データの起源を検証しやすくする。
したがってNeurIPSでの採択は、より広い研究課題を認めるものだ。意図的に構築された合成事前分布は、汎用予測を実用的にするのに十分な実データの代替となり得るのか。TempoPFNは有力な肯定的結果を提示しているが、普遍的な答えではない。
合成予測データこそが本当の競争
TempoPFNは、競争優位の源泉を過去データの保有から、可能な時系列に対する有用な事前分布の設計へと移す。
現実データで訓練された予測モデルは、実際の構造から恩恵を受ける。小売記録には販促や祝日が含まれる。インフラ指標にはデプロイ、障害、トラフィック急増、容量制約が反映される。エネルギー系列は、天候、人間の習慣、物理的制約を反映する。
ただし、こうしたコレクションには制約もある。企業は顧客データを公開できない場合がある。ライセンスが再配布を制限することもある。データクリーニングの判断は文書化されないまま残る可能性がある。公開データセットも、評価ベンチマークや密接に関連するソースと重複し得る。
合成データは、こうした問題を別のリスクと引き換えにする。研究者はジェネレーター、ライセンス、汚染の境界を管理できるが、シミュレートされた世界にどのパターンを含めるかを決めなければならない。その世界から除外されたものは、モデルにとって学習が難しくなる。
ここにこの記事の中心的な対立がある。実データによる事前学習は観測された振る舞いから始まるが、しばしば透明性を犠牲にする。合成事前学習は透明性と無制限の生成を提供する一方、人間の仮定に大きく依存する。
TempoPFNの答えは多様性である。そのopen training pipelineは、適応された事前分布に、レジーム変化、異常、振動、ボラティリティ、マルチスケール挙動のジェネレーターを組み合わせている。リポジトリには、3800万パラメーターの完全なチェックポイントと推論コードも含まれる。
事前分布とは、合成訓練サンプルを抽出する際に仮定される分布である。この文脈では、評価前にモデルが目にする履歴、遷移、周波数、混乱を定義する。
この定義はTempoPFNを理解する上で中心的である。このプロジェクトは訓練データのエンジニアリングをなくすのではない。データエンジニアリングを明示的なプログラム設計へと変換する。
実データのチームは、どのデータセットを取得、クリーンアップ、フィルタリング、重み付けすべきかを問う。合成データのチームは、どの生成過程を実装するか、パラメーターをどうサンプリングするか、どの拡張を適用するかを問う。どちらのチームも訓練分布を形作る。
合成ルートには、珍しい条件に対する追加のサンプルを、その条件が発生するのを待たずに生成できるという異例の運用上の利点がある。スパイク、観測欠損、急激な水準変化、変化する季節性パターンの頻度を増やすことができる。
この制御はカバレッジを改善し得るが、重要度を歪める可能性もある。ジェネレーターが非現実的な組み合わせをあまりに頻繁に生み出す場合、モデルはほとんど起こらないパターンに能力を費やすかもしれない。障害モードが一度も符号化されなければ、無制限の合成データ量でもそれが導入されることはない。
したがって重要な問いは、合成データが視覚的に現実らしく見えるかではない。生成された分布が、転移可能な予測操作を教えるかどうかだ。
TempoPFNのベンチマーク結果は、有意義な転移を示唆している。論文はGIFT-Evalにおいて、正規化CRPSがおよそ0.537であり、報告された評価におけるTabPFN-TSの0.544と比較している。CRPSが低いほど、確率予測分布は優れていることを示す。
報告された正規化MASEはおよそ0.797で、TabPFN-TSの0.771と比較される。MASEは低いほど良いため、TempoPFNの点予測はこの比較で先行していなかった。この結果の分かれ方は重要である。確率的品質と点精度は異なる運用上のニーズに答えるためだ。
CRPS（Continuous Ranked Probability Score）は、予測された確率分布が観測結果にどれだけ近いかを評価する。MASEは点予測誤差を季節ナイーブ予測と比較し、異なるスケール間で結果を正規化する。
在庫計画を担うチームは、範囲とリスク推定を必要とするため、校正された不確実性を優先するかもしれない。別のチームは、主に単一の期待値を重視するかもしれない。ある指標で先行するモデルが、別の指標でも自動的に優位とは限らない。
TempoPFNは、Chronos BoltやTimesFMのバリアントを含む、現実世界のコーパスで訓練されたモデルとも競合する。これらの比較は合成データという論点を支持するが、恒久的な順位を生み出すわけではない。評価設定、コンテキスト上限、モデルバージョン、リーダーボードへの追加は変化し続ける。
より持続的な成果は、アーキテクチャと手続きにある。透明な合成カリキュラムが、はるかに監査しにくいデータで訓練されたシステムと比較対象になるモデルを生み出した。
この結果は、予測開発者に2つの方向から圧力をかける。非公開データのチームには、訓練ミックスと汚染管理を説明することへの強い要求が生じる。合成データのチームは、事前分布が身近な公開ベンチマークを超えて一般化することを示さなければならない。
この圧力は長期的なものだ。データセットは、ますます似通うアーキテクチャを区別する要因となっている。多くのチームが有能なTransformerや再帰型バックボーンを構築できるようになると、訓練分布の設計が差別化の主要な源泉となる。
線形RNNが予測期間全体を予測する仕組み
TempoPFNの仕組みは、合成データの幅広さと、Transformerのアテンションコストと従来RNNの逐次処理の両方を回避する線形再帰を組み合わせている。
従来のTransformerは、アテンションを通じてトークン同士を比較する。標準的なアテンションのコストは系列長に対して二次的に増加するため、長い履歴では高コストになり得る。予測では、数千件の観測値に加えて相当な予測期間を扱うことが多い。
従来のRNNには別の制約がある。隠れ状態を逐次更新するため、後の位置は前の位置に対する計算に依存する。この再帰は時間的状態を保持できる一方、並列処理を制限する。
TempoPFNは、DeltaProductスタイルの状態追跡から派生した線形RNN再帰であるGatedDeltaProductを使用する。ここでいう線形は、単純な線形統計予測ではなく、再帰構造を表している。
モデルは、固定サイズのパッチにまとめるのではなく、個々の時点を処理する。過去の位置には時間特徴と観測値を与える。将来の位置には時間特徴を与えるが、モデルが予測すべき値は与えない。
カレンダー指標、季節内の位置、インデックスベースのエンコーディングは、観測がいつ発生したかを表現するのに役立つ。過去の欠損値は学習済み埋め込みで扱う。モデルは過去と将来の位置を1つの系列に連結する。
state-weaving機構は、ある層の最終状態から次の層の初期状態へ情報を渡す。この接続により、より深い層は過去の証拠と、要求された予測期間全体に分散する情報を組み合わせられる。
この設計では、将来のすべてのタイムスタンプを1回の順伝播で予測できる。1つの値を生成してその予測を追加し、予測期間が完了するまでこの処理を繰り返す必要はない。
この違いは誤差累積に対処する。自己回帰型の予測は、生成された各点が次の点の文脈になるため、ずれる可能性がある。一方、予測期間全体を扱うモデルは、要求された軌跡をまとめて出力する。
並列予測は、自動的に整合的な予測を保証するわけではない。モデルには依然として将来の位置を調整する機構が必要だ。state-weavingは、この問題に対して著者らが提案する解決策である。
このアーキテクチャは、ウィンドウ要約も回避する。著者らが比較対象として論じるTiRexは、再帰処理の前に時点をウィンドウにまとめる。TempoPFNは、バックボーンを通じて元の時点解像度を保持する。
このアプローチは詳細な時間情報を保持する一方、ネットワークが処理すべき位置の数を増やす。したがって、線形再帰の価値は、パッチを使わない選択と密接に結び付いている。
著者らは、この結果を学習時と推論時の両方で完全に並列化可能だと説明している。この主張は、再帰の計算構造に関するものだ。実際の速度は依然として、ハードウェア、カーネル、系列長、バッチサイズ、コンパイルのオーバーヘッドに左右される。
公開リポジトリは現在、推論にはCUDA対応GPUが必要であり、Nvidia A100およびH100でテストしたと記載している。また、新しい系列長での初回実行は、Tritonカーネルのコンパイルが必要なため遅くなる場合があると警告している。
これらの要件は、単純な効率性の物語を複雑にする。3,800万パラメータのモデルは比較的コンパクトだが、導入の容易さはパラメータ数だけでは決まらない。CPUサポート、メモリ挙動、パッケージング、コールドスタート時の遅延は、実際の採用に影響する。
モデルの直接出力は確率的である。要求された将来予測期間にわたり分位点を予測し、単一の線だけでなく複数のもっともらしい値を提供する。
分位点予測は、ユーザーが非対称なリスクを見積もるのに役立つ。データセンター運用者は、中央値より将来需要の上振れ範囲を重視するかもしれない。サプライチームは、欠品と過剰在庫の両方のシナリオを評価できる。
このアーキテクチャにおける最も強い概念的な逆転は、再帰モデルそのものに関するものだ。近年の予測研究では、transformerを基盤モデルの標準的なバックボーンとして扱うことが多い。TempoPFNは、適切に設計された線形RNNが状態を保持しつつ、現代的な並列学習の要件に対応できると主張する。
これは、線形RNNがtransformerを打ち負かしたことを意味しない。Toto 2.0、Chronos、TimesFM、その他のtransformerベースのシステムは依然として強力だ。これは、現在の製品名が示唆するほどアーキテクチャの探索空間が固まっていないことを示している。
同じ注意は長期予測にも当てはまる。並列の予測期間全体にわたる予測は自己回帰ループを回避するが、分布シフトをなくすわけではない。学習条件を大きく超えた予測は、依然として平坦化、ドリフト、レジーム変化の見落としを起こしうる。
開発者にとって、このモデルは、長い系列がコストの大半を占める場合に試す価値のある具体的な代替案となる。また、合成パイプライン自体にも独立した価値がある。チームは、TempoPFNそのものとは異なるアーキテクチャでも、これらのジェネレーターを使える。
データとモデルのこの分離は、このプロジェクトで最も長く残る貢献になるかもしれない。ベンチマークとアーキテクチャが進歩するにつれて、チェックポイントは古くなる。有用で拡張可能なジェネレーターライブラリは、複数世代のモデルに影響を与えられる。
オープンなジェネレーターも現実との隔たりをなくすわけではない
TempoPFNは監査可能性を高めるが、透明な合成データであっても、生成パターンと実運用システムの間にあるすべての不一致を明らかにできるわけではない。
最初の不確実性はベンチマークの網羅性である。GIFT-Evalは多くのデータセットと予測期間にまたがり、単一ドメインのテストより有益だ。しかし、すべての導入環境、介入、データ改訂、障害条件を表現することはできない。
公開ベンチマークは、繰り返し最適化の対象にもなる。研究者はタスク定義を読み、リーダーボードの結果を比較し、それに応じてモデル設計を調整する。合成データのみの事前学習は直接的なデータ漏洩を抑えるが、ベンチマークを意識した開発は依然として意思決定を形作りうる。
2つ目の不確実性は、合成データの仮定に関わる。TempoPFNは、トレンド、振動、スパイク、段差、ボラティリティ、レジーム変化など、よく知られた多くの構造を扱う。実際のシステムでは、こうした構造が、汎用ジェネレーターでは見落とされる制約と組み合わさることがある。
小売需要は、販促、代替、欠品に反応する。産業用センサーは物理的な限界や保守スケジュールを反映する。金融系列は政策、流動性、市場構造に反応する。インフラ信号は、ソフトウェアリリースやルーティング判断の後に変化する。
このような事象は、単に珍しい曲線形状ではない。外部要因と相互作用から生じる。単変量モデルが見られるのは、そこから生じた値と時間特徴だけであり、それを生み出したシステムではない。
この制約は、階層型予測で特に重要となる。関連する系列は合計値との整合が必要な場合があり、共通のショックが複数の分岐に同時に影響する。TempoPFNの公開モデルは、1度に1つの系列を扱う。
多変量予測が自動的に優れているわけではない。追加変数はノイズ、欠損、不安定な関係を持ち込む可能性がある。それでも、多くのビジネス上の問いには、単変量設計では直接表現できない相互作用が必要になる。
3つ目の不確実性は、評価の鮮度である。公開ベンチマークの系列が事前学習コーパスに含まれると、データ汚染が起こりうる。TempoPFNは合成データのみで学習することでこの経路を回避しており、方法論上の主張を強めている。
しかし、汚染への耐性は、真に新しい条件への適応を測るものではない。新しいデータセット、リリース後の観測、非公開の運用評価は依然として重要だ。これらのテストは、性能が既知のベンチマーク慣行の外でも維持されるかを明らかにできる。
4つ目の不確実性は、ベースラインの変化である。TempoPFNの当初の比較は、予測研究における特定の時点を捉えたものだった。その後の新しいシステムが、競争環境を変えている。
DatadogのToto 2.0は有用な例である。このファミリーは400万から25億パラメータに及び、社内のオブザーバビリティデータと合成系列を組み合わせている。同社の公式Toto 2 reportによれば、モデルは事前学習で公開予測データを使用していない。
このレポートでは、Toto 2.0のより大きなバリアントが、複数の現行ベンチマーク比較で上位に位置付けられている。また、ドリフト、モード崩壊、学習文脈を超えた構造的破綻など、未解決の長期予測の失敗も認めている。
Toto 2.0はTempoPFNを無効にするものではない。むしろ、根底にある問いをより明確にする。Datadogは、どちらか一方のソースだけを選ぶのではなく、非公開の実シグナルと合成データを混合して用いた。
TempoPFNの事前分布は、Toto 2.0の合成コンポーネントに寄与していると報告されている。この再利用は、生成された事前分布が、非公開データを置き換えない場合でも補完できることを示唆する。
混合戦略の方が、より現実的な商用ルートかもしれない。非公開データはドメインの挙動を学ばせ、合成生成はカバレッジを広げ、公開コーパスへの依存を減らす。そのバランスは用途ごとに変えられる。
TS-ICLは別の再利用例を示している。そのtime-indexed modelは、インコンテキスト回帰を通じて予測と欠損値補完を統合する。文書化された学習コーパスには、TempoPFNに関連する複数のジェネレーターが含まれている。
TS-ICLは、多変量の依存構造に対する因果的事前分布も導入している。この追加は、オープンなジェネレーターライブラリが固定されたレシピではなく出発点になりうることを示している。
こうした下流での利用はTempoPFNの影響力を強める一方、帰属を複雑にする。後続システムがTempoPFNのジェネレーターを実データ、因果的事前分布、より大きなモデル、異なる目的関数と組み合わせる場合、性能を単一の構成要素だけに帰することはできない。
独立したアブレーションが重要になる。アブレーションは、他の要素を安定させたまま、1つの構成要素を削除または変更する。ジェネレーター群、拡張、state-weaving接続が実際に改善をもたらすかを検証できる。
ユーザーはまた、オープンコードを自動的な再現性と見なすべきではない。再現には、ハードウェア、互換性のある依存関係、正確な設定、評価データ、そして学習を繰り返すだけの十分な計算資源が必要になる。公開は必要条件だが、手間なく再実行できることと同義ではない。
リポジトリのApache 2.0ライセンスは、学術・商用の再利用を支援する。この寛容な基盤は、実験における法的摩擦を減らす。ハードウェアとエンジニアリングの要件は、依然として実務上の障壁である。
したがって、最も強い懐疑的な読み方は限定的であり、否定的ではない。TempoPFNは、公開された評価のもとで、合成データのみの学習が競争力のある汎用予測器を生み出せることを示している。実運用データが不要になったことを示すものではない。
TempoPFNが次に証明すべきこと
次の段階では、TempoPFNの再現可能な優位性が、より新しい評価、より広いタスク、独立した導入条件でも維持されるかを検証すべきだ。
最初の指標は、データ汚染に強い、あるいは新たに収集されたベンチマークでの性能である。新しいテストセットは、開発上の意思決定が長く定着した事例を中心に形成されていた可能性を減らす。
未確認のリリース後データで強い結果が得られれば、合成事前分布が転移可能な予測挙動を教えるという主張が強まる。急激な低下が見られれば、現在の説明が示す以上にGIFT-Evalのカバレッジが大きな役割を果たしていたことが示唆される。
評価者は、確率的精度と点予測精度の区別を保つべきである。TempoPFNで報告されたCRPSの強さは、一部の合成データのみの比較に対するより弱いMASEの結果を消し去るものではない。両方の指標を見える形で残すべきだ。
非公開の評価も追加のテストを提供できる。企業は、公開リポジトリに一度も入っていないデータで、季節性ベースラインやタスク固有のシステムとモデルを比較できる。生の系列を公開できない場合でも、集計結果には価値がある。
2つ目の指標は、合成パイプラインの独立した再利用である。Toto 2.0とTS-ICLはすでに、他の研究者がTempoPFNに関連する要素を取り込めることを示している。
決定的な証拠は、統制された比較から得られる。チームは、特定のTempoPFNジェネレーター群の有無以外は同一のモデルを学習させるべきだ。また、ジェネレーターの重みが異なるドメインにどう影響するかも報告すべきである。
この作業は、広範に転移する事前分布と、限定的なケースに役立つ事前分布を特定できる。また、多数の特化型ジェネレーターが、より小規模で、より適切に較正されたコレクションを上回るかも明らかにできる。
ジェネレーターの採用は、リポジトリへの注目だけより重要である。スターやダウンロード数は関心を示す。競争力のある研究システムで繰り返し使われることは、そのライブラリが実際の学習上の問題を解決していることを示す。
3つ目の指標は、アーキテクチャの拡張である。TempoPFNは現在、パッチなし、単変量、予測期間全体を扱う予測について強い主張を示している。プロダクションの需要は、その境界を超えて広がっている。
多変量入力により、効率性を損なうことなく、state-weavingが変数間の関係を表現できるかを検証できる。共変量として、休日、天候、計画済みイベント、運用変更といった既知の要因を追加することも可能だ。
より幅広いハードウェアへの対応も、モデルの利用しやすさを変える。コンパクトなチェックポイントは、研究者がハイエンドなCUDA環境以外でも実行できる場合に最も有用になる。CPUでの挙動と一般的なGPUでの測定結果を文書化すれば、導入に関する見通しが明確になるだろう。
新たなチェックポイントサイズは、このアーキテクチャが滑らかにスケールするかを示す可能性がある。Toto 2.0は、幅広いサイズ帯で一貫した性能向上を報告している。TempoPFNは、線形RNNアプローチについて、これに匹敵するスケーリング曲線をまだ確立していない。
より大規模なTempoPFNモデルが予測可能な形で改善するなら、このプロジェクトはより広範なアーキテクチャプログラムへと発展する。性能向上が早期に頭打ちになるなら、合成パイプラインはモデルファミリーそのものより重要であり続けるかもしれない。
ユーザーは、標準的な評価コンテキストを超える長期予測のストレステストにも注目すべきだ。予測期間全体を並列に予測できる点は魅力的だが、外挿には依然として、既知の長さやレジームの外側でも安定性が求められる。
テストには、欠損区間、突然の介入、不規則なタイムスタンプ、変化する頻度、周期構造の混在を含めるべきである。こうした条件は、整然とした予測行列よりも、本番データに近い。
その結果は、二つのグループに異なる影響を及ぼす。研究者はTempoPFNを、学習分布がバックボーンと同等の注意を払うに値することの証拠として捉えられる。エンジニアリングチームは、これを候補モデルであると同時に、再利用可能なデータ生成ツールキットとして扱える。
企業の導入担当者は、ベンチマークの見出しを慎重に受け止めるべきだ。モデルが自社の変数構造、ハードウェア、不確実性に関する要件、予測期間、更新プロセスに対応しているかを確認する必要がある。
TempoPFNの合成事前学習は、すでに重要な基準をクリアしている。実データで学習したシステムと競争できる、透明性の高い合成データのみのモデルを生み出し、NeurIPSから正式な評価を得た。
より大きな主張については、依然として結論が出ていない。合成事前分布は観測された運用履歴に取って代わったわけではないが、クローズドデータに基づく予測戦略に圧力をかけるほど信頼できるものになった。
次に最も有用なのは、直接評価である。公開済みのチェックポイントを、季節性ベースラインおよび確立された基盤モデルと、真に未観測の系列で比較する。そのうえで、同じ計算予算の下でTempoPFNのジェネレーターが、好みのアーキテクチャを改善するかを検証する。
その比較は、リーダーボードでは答えられない問いに答えられる。慎重にプログラムされた合成世界には、現実世界を予測するのに十分な構造が含まれているのだろうか。
