Time-Series Foundation Model（时间序列基础模型）

传统时间序列分析通常为每个任务单独设计模型，而时间序列基础模型借鉴NLP和CV领域的成功经验，通过在海量多领域时序数据上进行自监督预训练，学习通用的时序表示。这类模型通常基于Transformer架构，能够处理不同长度、频率和领域的时序数据，并可通过微调或零样本推理适应新任务。其挑战包括数据异质性、长期依赖建模和计算效率等。