TelecomTS：面向时间序列与语言分析的多模态可观测性数据集
人工智能
2026-05-29 v3 信息论
机器学习
math.IT
摘要
现代企业在监控复杂系统时会生成大量时序指标，称为可观测性数据。与气候等常规时序数据不同，可观测性数据具有零膨胀、高度随机性以及最小时序结构的特征。尽管其重要性日益突出，可观测性数据集因专有限制和隐私顾虑而在公共基准中表现不足。现有数据集常被匿名化和标准化，去除规模信息，限制了其用于异常检测、根因分析和多模态推理等任务的应用。为填补这一空白，我们引入 TelecomTS，这是一个来自 5G 电信网络的大规模可观测性数据集。TelecomTS 特点是异构的、去匿名化的协变量，包含显式的绝对规模信息，并提供多样化的下游任务，包括异常检测、根因分析和多模态问答。对最新时序、语言、推理和多模态 foundation 模型进行基准测试，揭示现有方法在可观测性数据特有的突变、噪声和高方差动态方面困难。我们的实验进一步凸显保留协变量绝对规模的重要性，强调原生利用规模信息构建的 foundation 时序模型对于实际可观测性应用的必要性。代码已公开：https://github.com/Ali-maatouk/TelecomTS。
引用
@article{arxiv.2510.06063,
title = {TelecomTS: A Multi-Modal Observability Dataset for Time Series and Language Analysis},
author = {Austin Feng and Andreas Varvarigos and Ioannis Panitsas and Daniela Fernandez and Jinbiao Wei and Yuwei Guo and Jialin Chen and Ali Maatouk and Leandros Tassiulas and Rex Ying},
journal= {arXiv preprint arXiv:2510.06063},
year = {2026}
}