AAAI2025的Oral文章，最新前沿时序技术，文章提出一种统一多模态时间序列基础模型—ChatTime，模型能桥接数值型和文本型数据，解决传统时间序列分析方法的局限性~

来自ICML2025最新前沿时序技术~一个用于增强时间序列预测的多模态视觉语言模型-Time-VLM。

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KDD2025第二轮，最新前沿时序技术，设计了一个FreRA方法，通过挖掘频域的全局、独立和紧凑特性，设计轻量级自动增强机制，在时间序列分类、异常检测和迁移学习任务中实现了卓越性能。

来自NeurIPS2025，最新前沿时序技术，文章提出了一个TransferTraj 模型，首次实现 “双迁移”，同时解决轨迹模型的区域迁移与任务迁移问题，无需为每个场景单独训练。

来自KDD2025第二轮，最新时序技术，提出了一个多尺度超图 Transformer——MSHTrans，通过融合超图建模多阶时间依赖能力与时间序列分解技术，来提升时间序列重构精度以增强异常检测效果。

来自NeurIPS2025，最新前沿时序技术，针对人类轨迹建模，构建了首个源于 OpenStreetMap 开放平台的，全球大规模轨迹数据集WorldTrace，以及提出通用轨迹基础模型UniTraj。

来自NeurIPS2025，最新前沿时序技术，文章提出了一个多尺度微调框架-MSFT，是首个将多尺度建模融入 TSFM 微调的框架，兼容不同编码器类 TSFM，且实现简单。

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。