UPLOTS: 제약 조건이 있는 시계열 생성에 대한 통합된 사전 학습 언어 모델

UPLOTS: A Unified Pretrained Language Model for Constrained Time-series Generation

시계열 생성 분야에서 기존 접근 방식은 일반적으로 각 데이터셋마다 별도의 모델을 수동으로 설계하거나 학습시켜 확장성을 저해하고, 도메인 간 공유되는 시간적 구조를 활용하지 못합니다. 이러한 문제점을 해결하기 위해, 우리는 다양한 도메인에서의 제약 조건이 있는 시계열 생성을 위한 통합된 프롬프트 기반 언어 모델 프레임워크인 UPLOTS를 제안합니다. UPLOTS는 특정 작업에 맞춰 설계된 모델을 구축하는 대신, 학습된 제약 조건 프롬프트를 통해 단일 사전 학습 트랜스포머 백본을 활용하여 필요에 따라 정확한 패턴 제어를 통한 생성을 가능하게 합니다. 핵심적인 혁신은 동적 멀티 데이터셋 손실 재가중치 부여 및 프롬프트-패턴 매핑 기술이며, 이를 통해 UPLOTS는 훈련 과정에서 다양한 시간적 구조를 내재화하고 추론 시 조건에 따라 생성할 수 있습니다. 우리는 UPLOTS를 실제 환경의 네 가지 벤치마크와 다양한 제약 조건(예: 최고점 기간, 달력, 부하 수준 및 변동성 패턴)을 사용하여 평가했습니다. 추가적인 보류 데이터셋에서의 제약 조건 조합 실험과 다운스트림 예측 실험 결과는 UPLOTS가 원래 최고점 패턴 설정에서 벗어나 일반화되며, 제한된 실제 데이터 환경에서도 데이터 증강 성능을 향상시킨다는 것을 보여줍니다. 저희의 코드와 기준 모델은 익명 깃허브 저장소에서 확인할 수 있습니다: https://anonymous.4open.science/r/UPLOTS-6C36.

In time-series generation, existing approaches typically handcraft ortrain a separate model for each dataset, which hinders their scalability and fails to leverage shared temporal structures across domains. To address this fragmentation, we propose UPLOTS, a Unified, Prompt-guided Language model framework fOr constrained Time-Series Generation across diverse domains. Instead of building task-specific models, UPLOTS leverages a single pre-trained transformer backbone guided by learned constraint prompts, enabling on-demand generation with precise pattern control. One key innovation is our dynamic multi-dataset loss re-weighting and prompt-to-pattern mapping, which allows UPLOTS to internalize diverse temporal structures during training and conditionally generate them at inference. We evaluate UPLOTS on four real-world benchmarks and multiple constraint settings, including peak-period, calendar, load-level, and volatility patterns. Additional held-out constraint-combination and downstream forecasting experiments further demonstrate that UPLOTS generalizes beyond the original peak-pattern setting and improves data augmentation under scarce real-data regimes. Our code and baselines are available at anonymous github repo: https://anonymous.4open.science/r/UPLOTS-6C36.