arXiv cs.CL· Max Rosenblattl, Milana Gurbanova, Karl Aurel Deck, Narayan Schuetz, Thomas Kaar, Manuel Milling, Nicolas Zumarraga, Ning Wang, Kelly W. Zhang, Anders Johnson, Robert Jakob, Bj\"orn W. Schuller, Elgar Fleisch, Daniel Seung Kim, Allan Lawrie, Patrick Langer, Maxwell A. Xu, Euan Ashley, Paul Schmiedmayer·· 2 天前AI 评分36
TimeCap：面向可穿戴健康时间序列数据的可扩展开源标注流水线
TimeCap: A Scalable Open-Source Pipeline for Captioning Wearable Health Time-Series Data
AI 导读
研究团队发布开源确定性标注流水线 TimeCap，无需语言模型参与、直接基于信号生成标注，可通过编写通道定义扩展至新 schema。将其应用于 MyHeart Counts 可穿戴数据集 OpenMHC 后生成 MHCap，覆盖 19 个 Apple HealthKit 通道、908,944 人日共 7,005,763 条标注。
正文 · AI 翻译
作者：Max Rosenblattl、Milana Gurbanova、Karl Aurel Deck、Narayan Schuetz、Thomas Kaar、Manuel Milling、Nicolas Zumarraga、Ning Wang、Kelly W. Zhang、Anders Johnson、Robert Jakob、Björn W. Schuller、Elgar Fleisch、Daniel Seung Kim、Allan Lawrie、Patrick Langer、Maxwell A. Xu、Euan Ashley、Paul Schmiedmayer
摘要：在工业、环境，尤其是健康领域持续生成的时间序列数据会产生多模态信号，其规模和异质性使得处理和解读尤为困难。时间序列语言模型（TSLM）有望对这些信号进行可扩展的解读，但仍受制于根本性的缺乏：缺少以信号为基础、可复现且可跨模态和模式扩展的文本标注时间序列对。现有的配对语料库要么是封闭的，要么在规模和模态覆盖上受限。使用大语言模型进行标注可以扩大其规模，但其输出无法被精确重新生成，这使他人无法重新推导、扩展或审计由此产生的语料库。为解决这一问题，我们发布了 TimeCap，一个开放的确定性描述生成流水线，具有三个可复用的提取器层级和一个跨通道合成层，直接对信号进行操作，循环中不含语言模型，仅通过编写通道定义即可扩展到新模式。这使 TimeCap 成为未来数据集生成的可复现机制，而非一次性发布。将 TimeCap 应用于 OpenMHC（MyHeart Counts 可穿戴数据集），产生了 MHCap，这是多模态可穿戴时间序列数据最大的开放描述层。MHCap 涵盖 19 个 Apple HealthKit 通道，在 908,944 人日上包含 7,005,763 条描述。为展示该语料库的影响，我们在 MHCap 上训练了时间序列语言模型 OpenTSLM，并在健康结果预测上进行基准测试。描述增强训练（OpenTSLM-Cap）在 8 项任务的 32 项每用户二元评估中有 29 项优于仅标签基线。
| 评论： | 46 页，27 幅图，包括补充材料。代码：此 https URL |
| 主题： | 机器学习（cs.LG）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.21274 [cs.LG] |
| （或 arXiv:2610.21274v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21274 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Paul Schmiedmayer [查看电子邮件]
[v1]
2026年10月15日星期四 05:10:01 UTC（3,677 KB）
来源：arXiv cs.CL · arxiv.org