夜雨聆风
12大顶会435篇时间序列论文及源码
如果大家关注NeurIPS、ICML这些顶会，就会发现一个很明显的趋势：时间序列相关的工作正在爆发式增长，而且研究思路也在发生转变。
从传统的预测、分类，到现在和大模型、扩散模型这些新技术融合；从单一领域的应用，到成为医疗、金融、工业互联网这些行业的基础设施……时序这方向算得上发文快车道，研究路径清晰、不愁选题，无论是想快速搞一篇还是深耕某个点，都有足够的空间发挥。
为帮大家更直观地理解当前时序的研究思路与技术落地路径，本文整理了NeurlPS、ICML、ICLR、KDD、AAAI、IJCAI等12大顶会435篇时序相关的论文以及部分开源代码。另附5大类时序方向常用数据集，方便大家快速上手，从入门到产出成果。
扫码添加小享，回复“时序点子”
免费获取全部论文+开源代码
部分前沿论文核心创新解析：
【AAAI 2026】FreqCycle: A Multi-Scale Time-Frequency Analysis Method for Time Series Forecasting
时序主流研究方向：模型架构创新
研究方法：论文提出 FreqCycle 及其扩展模型 MFreqCycle 用于时间序列预测，通过 FECF 模块提取时间域低频周期特征、SFPL 模块增强中高频能量占比，MFreqCycle 进一步通过跨尺度交互解耦嵌套周期性，在保证效率的同时提升预测精度。
创新点：
-
提出滤波增强周期预测模块，从时域显式学习时间序列共享周期模式，高效提取低频周期特征。 -
提出SFPL模块，通过可学习滤波器和自适应加权，增强时间序列中高频能量占比，建模非周期与短期波动特征。 -
拓展出MFreqCycle多尺度模型，解耦时间序列嵌套多周期特征，适配长回溯窗口，兼顾预测性能与计算效率。
研究价值：研究提出的FreqCycle及MFreqCycle框架填补了时间序列预测中中高频分量建模的研究空白，实现了预测精度与计算效率的最优平衡，为时间序列预测提供了轻量且高效的新范式。
扫码添加小享，回复“时序点子”
免费获取全部论文+开源代码
【NeurIPS 2025】TimeXL: Explainable Multi-modal Time Series Prediction with LLM-in-the-Loop
时序与LLM交叉的前沿方向
研究方法：论文提出 TimeXL 框架，通过多模态原型编码器处理时间序列与文本输入生成初步预测及案例式推理依据，结合预测、反思、优化三类 LLM 形成闭环工作流，迭代优化文本质量与编码器性能，实现高精度且可解释的时间序列预测。
创新点：
-
设计多模态原型编码器，融合时序与文本数据，通过正则化学习可解释的原型并生成案例式推理依据。 -
构建LLM闭环工作流，由预测、反思、优化三类LLM协同，迭代修正文本噪声并重训练编码器，提升预测与解释性。 -
融合编码器与LLM的预测结果，结合二者技术优势，在多领域数据集实现显著性能提升，同时输出人类易理解的多模态解释。
研究价值：论文提出的TimeXL框架融合多模态原型编码器与三协作LLM的闭环推理机制，实现了多模态时间序列预测精度与可解释性的双重提升，为高风险领域的可解释多模态时间序列分析提供了新方法与新思路。
扫码添加小享，回复“时序点子”
免费获取全部论文+开源代码
