time-series(时间序列)指按时间顺序排列的数据点集合,是机器学习中专门处理连续观测数据的研究方向,涵盖预测、插补、分割、因果发现等任务。它在医疗监测、金融分析、工业运维和材料模拟等领域有广泛应用,近期的技术趋势正从单一预测模型转向多模态大模型、生成式算子和更贴近真实场景的基准评测。
time-series 近期进展
当前焦点与观察点
综合来看,time-series 研究呈现三个值得关注的走向:一是与大语言模型融合,从传统专用小模型转向多模态问答和智能体应用,但成本与可靠性仍在验证中;二是评测规范化,分割、因果、插补等细分任务都在补齐基准,说明社区正试图解决“模型论文好于实际”的老问题;三是真实场景适配,无论是生理信号的非随机缺失,还是生产系统的毫秒级延迟要求,研究重心正从理想数据转向现实约束。后续可关注这些基准能否被广泛采纳,以及生成式与概率化方法在实际预测任务中的相对优势。