来自ICML2025最新前沿时序技术，为时间序列的异常检测提出了一种新框架-A2P，用于解决现有方法在预测未来异常时间点方面的不足。

来自NeurIPS2025，最新前沿时序技术，针对长期时间序列预测与视觉大模型的融合应用的难题，提出了一种分解式多模态视图框架 DMMV。

来自IJCAI2025，最新前沿时序技术，提出了T2S模型与TSFragment-600K数据集，T2S模型是首个领域无关的文本引导时间序列生成框架，能生成语义对齐的任意长度时间序列。

ICML2025最新前沿时序技术，提出了一个基于小波变换的时间序列预测模型基础增强方法-WaveToken~

来自KDD2025第二轮，最新前沿时序技术，首次在小波域实现多模态融合，结合频域与时域特征，提出FUSION框架，通过多模态频域融合和不确定性时空建模，显著提升微服务异常检测性能。

来自IJCAI2025，最新时序技术，提出了一个混合多因素（HMF）网络，首次明确建模生理信号的时间依赖与非平稳性，为 IOH 预警提供新视角。

来自IJCAI2025，最新前沿时序技术，提出了REPST 框架，是专为时空预测设计的物理感知 PLM 重编程框架，首次实现 PLM 在时空预测中物理语义理解与复杂结构建模的有效结合。

来自IJCAI2025，最新前沿时序技术，提出了T2S模型与TSFragment-600K数据集，T2S模型是首个领域无关的文本引导时间序列生成框架，能生成语义对齐的任意长度时间序列。

来自IJCAI2025，前沿时序技术，论文针对时间序列多模态模型存在的模态偏向性，提出了DualTime 模型，能通过双适配器 + 共享骨干架构，有效挖掘时间序列与文本的互补信息。

来自IJCAI2025，最新前沿时序技术，针对多变量时间序列预测，提出了FreEformer模型，利用频域全局特性和增强注意力机制，实现更鲁棒的多变量时间序列预测。