该研究提出使用六十甲子周期替代公历年，以解决大型语言模型在长期时间跨度上的时间对齐问题，并采用极坐标模型增强时间理解，显著提升模型在时间相关任务中的表现。实验结果验证了该方法的有效性。

本研究提出Smooth-Foley模型，旨在解决视频到音频生成中的语义和时间对齐问题。该模型通过文本标签的语义指导，提升了生成音频的质量和与物理法则的一致性，表现优于现有模型。

本文提出了一种基于神经网络的任务自适应时间对齐模型，结合注意力机制和度量学习，超越传统的动态时间规整（DTW）方法，尤其在在线签名验证中表现突出。同时，研究还探讨了DTW在光谱时间序列数据中的应用及其改进算法shapeDTW，显著提升了匹配精度。