tsink是一款用Rust编写的高性能时间序列数据库，具备自动压缩、线程安全、灵活存储和时间分区等特性，支持多维度指标和数据持久性。

TDengine是一款开源、高性能的时序数据库，适用于物联网和工业互联网。它集成了缓存、流式计算和AI功能，支持高效的数据处理和实时分析，设计简洁，易于安装和集成，核心代码完全开源。

数字技术工人已在工业生产中应用，利用时序大模型和Agent技术快速学习和执行复杂任务，缓解人力短缺。它们具备感知、决策和执行能力，能够自动优化生产过程，提高效率，推动工业智能化转型。

ITFormer是一种新型的时序-语言桥接架构，旨在提升航空发动机监控中的数据分析能力。通过构建EngineMT-QA数据集，ITFormer实现了时序数据与大语言模型的高效融合，显著增强了推理能力和决策支持，推动了工业数据分析的进步。

本研究提出音频时序推理评估（TREA）数据集，以解决大型音频语言模型在时序推理任务中的不足。研究发现，开源LALMs在TREA上的表现远不及人类，并引入新的不确定性度量，强调全面评估的重要性。

本研究提出LogiDebrief框架，解决高通话量下人工评估覆盖低和延迟问题，实现911热线接听绩效的自动化评估，支持1710个呼叫，节省311.85小时人工时间，提升接听质量。

该研究提出了TeLoGraF方法，结合图神经网络与流匹配技术，克服了现有时序逻辑规划的不足。实验结果显示，该方法在时序逻辑满足率和推断速度上优于传统算法。

本研究探讨了因果时序图中因果识别算法的适用性，提出了新界限以确定因果效应的可识别性，并简化了无限时间范围内的因果分析。

本文研究时序图中的最小老化标记问题，旨在优化边的可用性时间安排，以确保在最大时间内连接所有顶点对，并最小化标记数量。研究表明，该问题的近似度受图的直径与最大允许时间的关系影响，并提出了一组近似算法。

本研究针对时序社交网络中的影响力最大化冷启动问题，提出了一种通过识别影响传播路径来选择影响种子的方法，利用结构标记和张量化时序图网络提升预测准确性和计算效率。

本文介绍了一种新型时间序列大模型PCTLM，克服了传统模型在复杂模式捕捉和零样本泛化能力上的不足。通过构建15亿样本的数据集和强化学习框架TPO，PCTLM在多个公开数据集上取得了SOTA效果，优于现有模型，并已成功应用于京东供应链系统。

本研究探讨大型语言模型（LLMs）在未接触匿名数据上的时序推理能力，构建了“推理与回答时序能力”数据集（RATA）以评估其表现，结果表明需要集成多种方法以实现可靠的解决方案。

本研究提出了一种基于钙踪迹的Hebbian局部学习规则，解决了现有模型对尖峰时序和平均发火率关注不足的问题。该模型在MNIST数字识别任务中表现出良好的适应性和效率，能够根据尖峰活动调整学习率，体现了尖峰时序与发火率在神经网络连通性中的互补作用。

本研究提出了一种新方法，将图神经网络与双向长短期记忆模型结合，以解决动态网络中的节点识别问题。该方法在不同网络中实现了90%的准确率，提高了种子集选择效率，降低了计算开销。