本文探讨了多种时间点过程（TPP）建模方法，包括卷积神经网络和RNN的集成模型、扩散生成模型及DualTPP模型，旨在提高事件预测的准确性和效率。研究表明，这些新方法在长期预测和复杂时间数据处理方面表现优异，推动了神经时间点过程领域的发展。

本文综述了时间点过程建模的新方法，包括变分自编码器、变分神经时间点过程、增强学习、神经过程、递归神经网络、ProActive框架、混合模型、LSTM和扩散模型，用于预测事件类型和到达时间，在合成和真实数据集上表现优异。