本研究提出了新基准数据集TGB-Seq，旨在提升时序图神经网络对复杂序列动态的学习能力。研究表明，现有模型在该基准上的表现不佳，为未来研究提供了挑战与机遇。

该文综述时序图神经网络研究进展，涵盖TGL、TGN、TOGL、LasTGL、DistTGL、GenTKG等框架，涉及大规模离线训练、分布式GPU加速、拓扑与持久同调结合、检索增强生成及泛化理论，并梳理学习设置、任务形式化与分类方法，指出开放挑战。