0.875
PhysioNet AUC
モデル · 研究プレビュー
時間は入力であり、
前提ではありません。
不規則なシグナル向けの連続時間モデルです。小型・高速・時間認識を特徴とします。
≈5×
より小型
8.2×
より高速なカーネル
カテゴリー
連続時間 · 第1世代
入力形式
不規則なタイムスタンプ付きシグナル
最適用途
臨床・センサー・ストリーミング・エッジ
ステージ
研究プレビュー · ゲート検証済み
RL-L1 とは
時間をファーストクラスの入力として扱うモデル
ほとんどのシーケンスモデルは、1ステップ＝1ティックを前提とします。実世界のシグナル——バイタル、センサー、マーケットイベント、テレメトリ——は一定のクロックで届きません。RL-L1 は連続時間モデルです。タイミングは後付けではなく入力の一部であり、不規則な間隔・欠損サンプル・ライブストリームを跨いで正しく動作します。実現方法は私たち独自のものです——ここで示すのは、その振る舞いと数値です。
何が違うのか
3つの構造的な選択
RL-L1 はトランスフォーマーでも point-ODE ネットワークでもありません。実際の不規則データで効果を発揮する、3つの意図的な設計判断を行っています。
L1
時間は数式に組み込まれている
モデルは連続時間で進化するため、2つの観測の間隔が計算を変化させます。タイミング情報を除去すると精度が崩壊します——時間シグナルが実際に機能していることの証明です。
L2
小型かつ安定
コンパクトで安定した状態空間は、極めて少ないパラメーター数で強い結果をもたらし、有界で予測可能なダイナミクスを実現します。内部実装は独自のものですが、安定性は測定済みです。
L3
エッジのために設計
実際のハードウェア上で高速かつ小型で動作するよう設計されており、私たちの散逸型シリコンラインと共同設計することで、モデルとサブストレートが同じ物理原理に収束します。
主張ではなく、測定値
負けるケースも含めた数値
RL-L1 wins on irregular, small-to-medium-scale signals and on the edge. It does not win at frontier scale or at language — the table says so on purpose.
ベンチマーク RL-L1 ベースライン 備考
PhysioNet 2012 死亡率予測 0.875 AUC 0.874 (GRU-D) 18シード・アンサンブル · 95% CI [0.868, 0.883]
時間付き連想リコール 0.004 MSE 0.68 MSE point-ODE との比較；時間情報を除くと 9.61
Mackey-Glass（≤50k パラメーター） 0.052 MSE 0.094 MSE 小規模モデル領域で 1.2〜1.8× 優位
Mackey-Glass（≥214k パラメーター） 0.087 MSE 0.046 MSE 大規模ではトランスフォーマーが優勢
エッジ・フットプリント（int8） 24 KB · 0.40 ms 65 KB · 0.44 ms より高速かつ 2.7× 小型
PhysioNet 2012 · set-a → held-out set-b · leakage-safe · multi-seed
優位な領域
- 不規則・ストリーミング時系列 — タイミングがシグナルを担う。
- エネルギーおよびメモリに制約のあるエッジ推論。
- フルの再トレーニングなしのオンライン適応。
優位でない領域
- フロンティアスケールの言語処理 — トランスフォーマーが優位であり、私たちもそう述べています。
- 効率優位が薄れる大規模パラメーター領域。
測定値
小型であり、時間認識を持つ
0.875
PhysioNet 2012 の AUC
不規則な ICU バイタルによる院内死亡率予測 — 18シード・アンサンブル、95% CI [0.868, 0.883]。
≈ 5×
ベースラインより少ないパラメーター数
ベースライン Transformer のパラメーター数の一部でこの臨床結果を達成しています。
8.2×
より高速なランタイム・カーネル
参照ループに対する並列フィールド評価（0.23 ms vs 1.90 ms）。数値的に完全一致。
ステータス
ゲート検証済みのリファレンス
- ゲート
10の反証可能なゲートを通過
連続時間の優位性、安定性、バインディング、生涯保持、サブストレートの共同設計にそれぞれ合否判定テストがあります。通過済みです——そしてモデルが負けるべき箇所では、誠実に負けています。
- 臨床
実際の ICU データで検証
PhysioNet 2012 の院内死亡率でベンチマーク——実際の不規則バイタルデータ——リーケージのない訓練・テスト分割を使用。
- 現在
研究プレビュー
リファレンス実装は Apple Silicon 上で本番テスト済みです。選定された研究パートナーへの公開を開始しています。
RL-L1 の適用領域
クロックを持つシグナルのために構築
不規則なバイタル・モニタリング
サンプルがまばらで不均一なICUストリーム、ウェアラブル、臨床時系列。タイミングがシグナルである領域に最適です。
オンデバイス・ストリーミング
小さなフットプリントと高速推論により、大規模モデルを置けないセンサーや組み込みシステムに適しています。
誠実な連続時間評価
連続時間モデルがトランスフォーマーに真に勝る領域——そして勝らない領域——を調べるためのリファレンスとして使えます。
“タイミングが重要な領域で勝ちます。重要でない領域ではそう述べています。”
— RL-L1 設計ノート
