Aionoscope: Debugging Latent-State Accessibility in Time-Series Representations

Resumen Técnico: Aionoscope

Declaración del Problema

Los modelos fundacionales de series temporales se evalúan típicamente basándose en su capacidad de pronóstico o clasificación, pero estas métricas no revelan si las representaciones latentes de los modelos preservan el estado del proceso específico que un usuario podría necesitar inspeccionar. Variables críticas como la temporización de eventos, fase, amplitud, frecuencia o variables de régimen pueden comprimirse o perderse, incluso si el modelo produce pronósticos precisos de corto horizonte. Esta brecha es particularmente problemática para flujos operativos de alto volumen (por ejemplo, monitoreo, finanzas, robótica) donde los eventos raros o cambios de régimen ocupan una pequeña cola de la distribución, mientras que las pérdidas promedio recompensan las representaciones del comportamiento de fondo común. Los benchmarks existentes en el mundo real a menudo carecen de acceso directo a los estados de proceso latentes, dependiendo en su lugar de etiquetas dispersas, retrasadas o entrelazadas.

Metodología: Aionoscope

El artículo presenta Aionoscope, una herramienta de diagnóstico basada en generadores diseñada para depurar la accesibilidad del estado latente en representaciones de series temporales congeladas. La metodología se basa en un contrato de Proceso-a-Vista que separa la generación del proceso de la renderización de la observación.

1. El Generador (Mezclas de Procesos Primitivos)

Aionoscope utiliza un generador controlado para producir flujos de series temporales sintéticas con una verdad de campo exacta.

• Proceso ($z_i$): Muestrea estados latentes que incluyen componentes activos, regímenes, frecuencias, amplitudes, pendientes, desplazamientos, fase y temporización.
• Vista ($x_i$): Renderiza el estado latente en una serie temporal observada mediante mezcla, ruido y variación de molestia (nuisance variation).
• Etiquetas: El sistema emite etiquetas categóricas exactas ($y^{cat}_i$, que indican componentes activos) y etiquetas densas ($y^{dense}_i$, parámetros continuos como temporización y magnitud) derivadas del mismo estado latente.
• Complejidad de la Mezcla: El benchmark evalúa $k \in \{1, 2, 3\}$ componentes activos por muestra para probar el aislamiento frente a la interferencia.
• Componentes: La instancia de "Mezclas de Procesos Primitivos" utiliza 14 tipos de componentes (por ejemplo, constante, ruido, tendencias, señales periódicas, eventos localizados) y 34 parámetros densos.

2. Protocolo de Evaluación

La evaluación prueba la accesibilidad lineal agrupada (pooled linear accessibility) en representaciones congeladas:

• Modelos Congelados: Se evalúan 37 sistemas de modelo más adaptador utilizando sus longitudes de entrada nativas.
• Lectura (Readout): Se extraen características de cada capa del modelo congelado, se agrupan mediante mean-pooling en un solo vector por muestra, y se introducen en sondas lineales ligeras.
• Sondas (Probes):
  • Sonda Categórica: Predice los componentes activos (medido mediante AUROC).
  • Sonda Densa: Predice parámetros continuos (medido mediante $R^2$ enmascarado, donde solo se incluyen los componentes activos en la pérdida).
• Líneas Base (Baselines): Incluye líneas base de características fijas (formas de onda crudas, FFT, estadísticas) y filas oráculo (que exponen las etiquetas del generador directamente) para calibrar la dificultad de la tarea y la capacidad de la pila de sondas.

Principales Contribuciones

1. Herramienta de Diagnóstico Basada en Generador: Introduce un contrato de "Proceso-a-Vista" que desacopla la generación del estado del proceso de la renderización de la observación, permitiendo una verdad de campo categórica y densa exacta.
2. Protocolo de Sonda de Accesibilidad de Estado: Define un protocolo estandarizado utilizando representaciones congeladas de longitud nativa, flujos deterministas con semilla y sondas lineales agrupadas por capa para medir la accesibilidad.
3. Hallazgo Diagnóstico Coarse-vs-Dense: Demuestra un desajuste sistemático donde los modelos pueden recuperar fácilmente qué componentes están presentes (accesibilidad gruesa o coarse) pero fallan en recuperar cómo están parametrizados (accesibilidad densa).

Resultados

La evaluación de 37 sistemas revela disparidades significativas entre la accesibilidad gruesa y la de grano fino:

• Desajuste Categórico vs. Denso: La mayoría de los sistemas logran un AUROC categórico alto (a menudo >0.90), lo que indica que pueden identificar la presencia de componentes de señal. Sin embargo, la recuperación de parámetros densos es significativamente menor. El $R^2$ medio máximo observado para sondas densas es 0.689, mientras que un oráculo de características densas alcanza 0.999.
• Modos de Fallo: Las representaciones a menudo ocultan variables críticas como la temporización, fase, amplitud, frecuencia y variables de régimen, incluso cuando el tipo de señal general se identifica correctamente.
• Variabilidad por Capa: La mejor capa para la recuperación densa es a menudo no la final (ocurre en 88 de 111 ejecuciones), lo que sugiere que las evaluaciones que solo consideran la capa final pierden información de estado accesible.
• Complejidad de la Mezcla: Mientras que la recuperación de $k=1$ (componente único) suele estar saturada, $k=3$ (múltiples componentes interferentes) expone perfiles de fallo distintos y separa los sistemas de manera más efectiva.
• Tendencias de Familia: Sistemas como la familia Mantis mostraron una recuperación densa más fuerte en comparación con los modelos de transferencia de imagen (ej. TiConvNext), que se agruparon en regiones de alta categoría pero baja densidad.

Significado y Reivindicaciones

El artículo posiciona a Aionoscope como una unidad de prueba diagnóstica y un andamio para la generación de hipótesis, explícitamente no como un ranking estable o una afirmación de rendimiento de transferencia en tareas reales.

• Valor Diagnóstico: La herramienta saca a la luz un modo de fallo específico: una representación puede parecer informativa respecto a "qué tipo de señal está presente" mientras oculta el estado preciso necesario para el diagnóstico, control o soporte de decisiones.
• Limitaciones: Los autores enfatizan que los resultados son condicionales a un solo flujo de entrenamiento, un esquema de semilla de sonda y adaptadores de longitud nativa. Los resultados negativos (bajo $R^2$) indican inaccesibilidad bajo una lectura lineal agrupada, no necesariamente la ausencia de información en la representación (que podría ser recuperable mediante lecturas no lineales o a nivel de token).
• Trabajo Futuro: El artículo hace un llamado a estudios de lectura más ricos, flujos de evaluación ocultos y validación en distribuciones de datos reales para ir más allá de este instantánea sintética controlada.

En resumen, Aionoscope proporciona un entorno controlado para auditar si los modelos fundacionales de series temporales preservan el estado del proceso latente necesario para el diagnóstico, revelando que un alto rendimiento en pronóstico o clasificación no garantiza el acceso a las variables de estado densas subyacentes.