Naukowcy przedstawili TSFMAudit, narzędzie do wykrywania zanieczyszczenia danych treningowych w modelach foundation do prognozowania szeregów czasowych. Problem polega na tym, że modele mogą przypadkowo mieć dostęp do testowych danych podczas treningu, co zawyża ich wydajność. Narzędzie to pozwala zidentyfikować i audytować takie przecieki, co jest ważne dla wiarygodności benchmarków i prawidłowej oceny rzeczywistych możliwości modeli.