该文综述时间序列基础模型进展：TimeGPT零样本预测接近最优监督模型；TSFT存在过拟合，GBT两阶段框架可缓解；FourierGNN以超变量图统一时空动态；PatchTST提升长期预测；LLM可零样本外推时间序列，但GPT-4因分词与校准问题可能逊于GPT-3。

本文综述时间序列基础模型研究，重点包括：利用多领域无标签数据预训练，结合Transformer提升分类与预测性能；涉及大规模数据集、LPTM分段模型、语言模型预测、过拟合缓解及长期预测基准；并评估TimeGPT与遥感任务基准，表明预训练可降低误差、提高效率。