本研究提出了新的评估指标PROM和基准TSMD-Bench，解决了时间序列模式发现中的定量评估不足，帮助理解不同方法的相对性能。

大型语言模型（LLM）排行榜的相对性能对细节非常敏感，微小扰动可导致排名变化高达8个位置。建议使用混合评分方法进行答案选择，强调依赖简单基准评估的风险，规划更健壮的评估方案。