時系列基盤モデル（TSFM）はゼロショット予測において強力な性能を示しているが、共変量駆動型で非定常な設定における汎化能力は十分に解明されていない。電力価格予測（EPF）は、複雑な時間依存性、分布シフト、構造的・文脈的情報への強い依存のため、困難なテストベッドを提供する。Zhenghua Pan氏ともう1名の著者による2026年7月2日arXiv投稿論文は、汚染リスクを軽減しTSFMの公正な評価を可能にする二重データセットベンチマーク枠組みを提案している。この研究はICML 2026のFoundational Models for Structured Data Workshop（韓国・ソウル開催）に採択された。
この枠組みは、EPFの主要側面である点予測と確率予測の性能、裾行動、価格スパイク、およびドメイン固有手法との比較を体系的に検討する。結果として、TSFMは非常に競争力があり、汎用ベースラインをしばしば上回ることが示された。しかし、その性能は共変量サポートに決定的に依存しており、EPF向けに調整されたドメイン固有手法を一貫して上回るわけではない。
興味深い発見として、TSFMとドメイン固有手法の単純なアンサンブルが大きな可能性を持つことが示唆された。これは、両アプローチが補完的な予測情報を捉えていることを示している。TSFMは汎用的な時間パターンを捉える一方、ドメイン固有手法は電力市場の構造的知識をより効果的に活用している可能性がある。この知見は、汎用基盤モデルとドメイン知識を統合するアンサンブル戦略が、単一手法よりも堅牢なEPFモデル設計につながることを示唆している。
本研究の貢献は、EPFシナリオにおけるTSFMの汎化限界を初めて体系的に評価し、共変量依存性と分布シフトがモデル性能に与える重要な影響を明らかにした点にある。また、二重データセットベンチマーク枠組みは再現可能な評価プロトコルを提供し、エネルギー金融などの高リスク領域における時系列基盤モデルの信頼性の高い応用を促進する。