因果推論の研究において、時系列データを扱うベンチマークは多くの場合、観測データのみに限定されており、規模が小さいか特定の領域に特化しています。しかし医療、政策評価、気候科学といった実務的に重要な分野では、介入効果の推定や反事実的シナリオの分析が極めて重要です。このギャップを埋めるために、研究者らは「DoTime」という新しいベンチマークジェネレータを開発しました。DoTimeはオープンソースのPyPIパッケージとして公開されており、介入を含む多変量時間構造因果モデル（TSCM）を生成できます。 DoTimeの革新的な特徴は、従来のジェネレータにはない複数の機能を備えていることです。連続時間における介入ウィンドウ、ポジティビティガード付きの反事実的サンプリングモード、中断時系列の厳密な一般化としてのレジームスイッチングSCM、構造的なパラメータ切り替えによる非定常ダイナミクス、そして評価ウィンドウ内に傾向や構造的ブレークを配置する決定論的ランプおよび正弦波介入プロファイルなどが含まれています。さらに、因果基礎モデルの参照実装の先行情報として機能することが実証されています。 リリースされたベンチマーク套は100,000の軌跡からなる訓練規模のスナップショットと8つの命名された識別構造を含み、各構造には正確なグラウンドトゥルースが付属しています。同じSCMからの対になった介入軌跡と、連続時間套における共有ノイズ反事実が提供されます。研究者らは参照ベースライン実装と評価ハーネスを公開し、興味深い仮説を検証しました。それは、介入データで訓練されたモデルが同じ容量の観測モデルよりも、方向精度で測定可能な利点を得るというものです。この仮説は3つの訓練シード全体でテストされ、構造マッチ評価の下で保持されたエピソードにおいて、介入によって適合されたニューラルネットワークのギャップはテストされたすべての構造、軌跡長、およびシードで正となっています。