本研究提出了一种新的跨模态对齐方法——结构引导跨模态对齐（SGCMA），旨在提升大型语言模型在时间序列预测中的应用。该方法通过学习状态转移图结构和语义对齐，显著提高了预测性能和泛化能力。

通过结构引导的对抗训练，引入了新的SADM扩散模型，提高了现有扩散模型的性能，优于现有方法的图像生成和跨域微调任务，建立了分辨率为256x256和512x512的图像网上新的FID技术。