Toto 2.0: 時系列予測がスケーリング時代に突入

Toto 2.0: Time Series Forecasting Enters the Scaling Era

May 19, 2026

著者: Emaad Khwaja, Chris Lettieri, Gerald Woo, Eden Belouadah, Marc Cenac, Guillaume Jarry, Enguerrand Paquin, Xunyi Zhao, Viktoriya Zhukov, Othmane Abou-Amal, Chenghao Liu, Ameet Talwalkar, David Asker

cs.AI

要旨

時系列基盤モデルがスケールすることを示す：単一の学習レシピにより、4Mから2.5Bパラメータにわたって信頼性の高い予測品質の向上が達成される。本レシピに基づいて学習された5つのオープンウェイト予測モデルからなるファミリー、Toto 2.0を公開する。Toto 2.0ファミリーは、観測可能性ベンチマークBOOM、標準的な汎用ベンチマークGIFT-Eval、そして最近発表された汚染耐性ベンチマークTIMEの3つの予測ベンチマークにおいて、新たな最先端を確立する。本レポートでは、実験結果を詳述し、Toto 2.0の設計上の決定事項（アーキテクチャと学習レシピ、学習データ、u-muPハイパーパラメータ転送パイプライン）について説明する。5つのベースチェックポイントはすべてApache 2.0ライセンスの下で公開される。

English

We show that time series foundation models scale: a single training recipe produces reliable forecast-quality improvements from 4M to 2.5B parameters. We release Toto 2.0, a family of five open-weights forecasting models trained under this recipe. The Toto 2.0 family sets a new state of the art on three forecasting benchmarks: BOOM, our observability benchmark; GIFT-Eval, the standard general-purpose benchmark; and the recent contamination-resistant TIME benchmark. This report describes our experimental results and details the design decisions behind Toto 2.0: its architecture and training recipe, training data, and the u-muP hyperparameter transfer pipeline. All five base checkpoints are released under Apache 2.0.