研究方向
USTC-AGI 研究组在 Time Series Analysis 方向的代表性工作，涵盖预测、分类、异常检测、时序推理、基础模型与 Agentic 分析等多个方向。
时间序列预测
围绕时间序列预测中的多模态语义建模、慢思考认知推理与自主交互智能体三条路径，系统探索从表征理解到决策规划的能力演进。
多模态语义理解
TokenCast
从跨模态语义对齐与细粒度 token 表征出发，增强模型对复杂时序上下文与结构模式的理解能力。
慢思考认知推理
TimeReasoner · Time-R1 · MemCast
引入链式推理、强化学习与经验记忆机制，让模型在预测前完成更充分的分析、反思与逐步决策。
自主交互智能体
AlphaCast · Cast-R1
面向真实预测流程构建可规划、可交互、可调用工具的智能体系统，提升复杂场景下的自主分析与执行能力。
时间序列分析评测
围绕时间序列分析与模型开发的系统性评测，设计多维度评估框架，覆盖预测精度、鲁棒性、泛化能力与计算效率。
内容建设中
领域应用
围绕城市电力负荷、新能源发电、云服务流量等真实预测场景的应用研究成果，以及面向时序预测的 CastClaw 研发系统。