该文综述Transformer在长期时间序列预测中的进展，指出线性模型LTSF-Linear曾优于Transformer并引发反思。随后介绍Periodformer、Conformer、PETformer、Dateformer、PatchTST等改进模型，通过周期注意力、编码器-解码器、多尺度框架、子序列分块和通道独立等设计，显著降低预测误差并提升精度，表明Transformer在该领域仍具强大潜力。