[ { "source_id": "S4", "library_file_id": "libfile_fe29e93ca14081919828c485b7bd922a", "filename": "已粘贴的文本(4).txt", "relative_path": "originals/已粘贴的文本(4).txt", "sha256": "4c1ed5469c6572bfe4e460f78e2b8cfb447f74924b686fb6ba292ca2bc6c0a6a", "size_bytes": 69899, "line_count": 373, "records": 300, "record_types": { "candidate_listing": 300 }, "non_table_context_verbatim": "# 2024—2026 年时间序列顶会新增候选：300 篇\n\n筛选日期：2026-11-05。每条题名链接指向会议官网、官方论文集或 ACM DOI；列表用于下一轮阅读和审查，尚未对全部论文进行全文精读、独立复现或真实性评分。\n\n## 比对基线与范围\n\n- 原有清单取自你的私有仓库 [time-series-paper-ranking 的 inventory.json](https://github.com/GuangDai/time-series-paper-ranking/blob/4a11d69eb714c8934b57c13986a651533b3aea38/inventory.json)，固定提交 `4a11d69eb714c8934b57c13986a651533b3aea38`，共 **360** 条。本地快照的 Git blob 为 `ff1e76dff52de6349bdd9a69762c8dd9884922c0`，SHA-256 为 `eb4dc3c9df0eeffdccd3e60d9b284ef5cec5b856603fb59b7fe3159f5e054a68`。\n- 网站当时显示 **345** 篇纳入排序；仓库首轮审计的 345 篇均包含在 360 条库存内。在线完整 345 项未能逐一导出，因此本表的“新增”准确含义是**未匹配到固定版本的 360 条库存**，与网站实时清单的逐项完全一致性仍待核对。\n- 年份按正式会议年份计：2024 年 60 篇、2025 年 100 篇、2026 年 140 篇。配额用于覆盖三年，不表示各年的论文总量或学术水平比例。主要包括 ICLR、ICML、NeurIPS、KDD、AAAI、WWW；WWW 的具体论文类别仍需逐篇核实。\n- 研究范围以时间序列预测为主，延伸到基础模型、时空与天气、校准和 conformal、分布漂移、基准评测、缺失/不规则序列等。表中“方向”是按标题进行的粗分类；分类或因果论文标有对应方向，不当作预测论文。\n- 2026 年 NeurIPS 论文取自[官方录用和会议日程](https://neurips.cc/Downloads/2026)，其会议定于 2026 年 12 月举行；截至筛选日，这些条目标为**已录用，会议尚未召开**。其他会议的论文类型与赛道按可取得的官方元数据标注。\n- 对题名进行大小写、标点、Unicode 和部分 LaTeX 规范化，与库存做完整题名和 URL 对照；相似题名达到 0.97 时保守排除。跨候选再按题名去重。改名版本、作者别名和 DOI 错链仍可能造成漏判，详见[去重记录](候选数据/去重记录.csv)。\n- 独立复核了 300 条题名与库存及候选内部的近似匹配；69 条 `doi.org` 来源均通过 Crossref 元数据核对题名，52 条 NeurIPS 2026 来源均与官网录用状态和赛道核对。其余来源以各会议官方索引或论文页为依据，未对全部论文做全文审查。\n- 本表是按主题和会议优先级做的候选筛选，不是会议论文的穷尽清单，也不是“300 篇都比已有论文更好”的结论。同分项使用固定哈希打散，避免仅按英文字母截断。\n\n## 建议优先阅读\n\n以下条目与现有项目的基准公平性、强依赖覆盖和天气预测复现最直接相关。说明依据题名与公开摘要，属于阅读线索。\n\n- **#66 [Cherry-Picking in Time Series Forecasting: How to Select Datasets to Make Your Model Shine](https://ojs.aaai.org/index.php/AAAI/article/view/34224)**：数据集选择如何影响模型比较；对应 NoChampions 的基准偏差。\n- **#198 [Beyond Model Ranking: Predictability-Aligned Evaluation for Time Series Forecasting](https://proceedings.mlr.press/v306/feng26u.html)**：按数据可预测性理解排名；对应模型比较的评价口径。\n- **#214 [Position: Current Benchmarking Hinders Real Progress in Deep Learning for Time Series Forecasting](https://proceedings.mlr.press/v306/moretti26a.html)**：专门讨论时间序列基准问题；观点论文，需单独与实证论文区分。\n- **#1 [RHiOTS: A Framework for Evaluating Hierarchical Time Series Forecasting Algorithms](https://doi.org/10.1145/3637528.3672062)**：层次时间序列预测的评估框架，适合检查任务和聚合规则。\n- **#2 [Calibration of Time-Series Forecasting: Detecting and Adapting Context-Driven Distribution Shift](https://doi.org/10.1145/3637528.3671926)**：时序预测校准与分布变化，适合分析模型失效条件。\n- **#65 [Neural Conformal Control for Time Series Forecasting](https://ojs.aaai.org/index.php/AAAI/article/view/34029)**：在线时序预测的 conformal 方法，可与现有覆盖率审计对照。\n- **#161 [Dynamic Dual-Feedback Conformal Inference for Time Series Forecasting](https://neurips.cc/virtual/2026/poster/155680)**：NeurIPS 2026 已录用，研究时序预测的 conformal 校准。\n- **#170 [Evaluating Uncertainty Calibration in Probabilistic Time Series Foundation Models](https://neurips.cc/virtual/2026/poster/138974)**：NeurIPS 2026 评测赛道，评估时序基础模型的不确定性校准。\n- **#162 [Does Synthetic Data Help? Empirical Evidence from Deep Learning Time Series Forecasters](https://neurips.cc/virtual/2026/poster/154722)**：NeurIPS 2026 已录用，检验合成数据对预测模型的作用。\n- **#173 [Why Do Time Series Models Need Long Context Windows?](https://neurips.cc/virtual/2026/poster/149819)**：NeurIPS 2026 已录用，适合检查长输入窗口的收益与成本。\n- **#172 [Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models](https://neurips.cc/virtual/2026/poster/155883)**：NeurIPS 2026 已录用，从通用 Transformer 基线审视时序基础模型。\n- **#40 [The Elephant in the Room: Towards A Reliable Time-Series Anomaly Detection Benchmark](https://proceedings.neurips.cc/paper_files/paper/2024/hash/c3f3c690b7a99fba16d0efd35cb83b2c-Abstract-Datasets_and_Benchmarks_Track.html)**：异常检测基准的可靠性，适合检查评价指标与数据集。\n- **#124 [Fixing the Double Penalty in Data-Driven Weather Forecasting Through a Modified Spherical Harmonic Loss Function](https://proceedings.mlr.press/v267/subich25a.html)**：天气预测中的评分与损失设计，可与 GenCast 检查互补。\n- **#171 [PhyTS: A Benchmark for Scientific Time Series](https://neurips.cc/virtual/2026/poster/139305)**：NeurIPS 2026 评测与数据集赛道，覆盖科学时序基准。\n\n## 库存中发现的两处标题—来源错配\n\n- 库存 **#125 Fredformer** 的 `primary_source_url` 指向一篇 NeurIPS 2023 的 FreTS 论文；Fredformer 的正式会议来源为 [KDD 2024 论文清单](https://kdd.org/kdd2024/research-track-papers/)及 [DOI: 10.1145/3637528.3671928](https://doi.org/10.1145/3637528.3671928)。\n- 库存 **#307 Amplifier** 的来源 URL 指向上述 Fredformer DOI；Amplifier 的正式来源为 [AAAI 2025 官方论文页](https://ojs.aaai.org/index.php/AAAI/article/view/33267)。本次仅记录问题，未修改原仓库。\n\n## 会议分布\n\n\n## 300 篇候选论文\n\n编号是索引，并非学术质量排名。NeurIPS 2026 条目均为官方已录用记录；逐篇论文类别或赛道按官方可核实字段标注。\n\n\n### 2024 年\n\n\n### 2025 年\n\n\n### 2026 年\n\n\n## 数据与复查材料\n\n- [固定版本 360 篇库存](候选数据/已有论文_inventory_360.json)；[首轮审计 345 篇集合](候选数据/首轮345论文_站点集合候选.json)。后者与在线完整集合是否完全相同仍待核对。\n- [最终 300 篇结构化清单](候选数据/待审300.json)、[CSV](候选数据/待审300.csv)；其中保留会议、来源链接、部分轨道和粗筛分数。\n- [合并初筛候选](候选数据/合并初筛.json)、[去重记录](候选数据/去重记录.csv)；各会议原始筛选数据均位于 `候选数据/`。\n- [筛选与去重脚本](筛选与去重.py)、[300 篇选择脚本](编制300篇.py)、[报告生成脚本](生成报告.py)。筛选分数仅服务于覆盖与选题优先级，不是论文质量或可信度评分。", "file_id": "file_000000007744822fb9bd8a8568472c19", "current_version_number": 0, "materialization_metadata_applied_and_verified": true }, { "source_id": "S3", "library_file_id": "libfile_477e17f7ab2081919a809f77a79d9472", "filename": "已粘贴的文本(3).txt", "relative_path": "originals/已粘贴的文本(3).txt", "sha256": "6a37d8c13108ba5dba20865d4359c63a8c740c4270456af64ac24bc28868814f", "size_bytes": 112057, "line_count": 319, "records": 300, "record_types": { "candidate_listing": 300 }, "non_table_context_verbatim": "# 2024—2026 年新增时间序列相关论文：300 篇\n\n筛选快照：2026-11-06T00:53:09+00:00。共 300 篇；2024 年 95 篇、2025 年 113 篇、2026 年 92 篇。\n主要会议 266 篇，领域会议补充 34 篇。已知引用至少10次 74 篇、1—9次 186 篇、0次 5 篇、引用未知 35 篇。\n\n## 范围与引用口径\n\n与用户网站已登录页面的 345 篇、私有仓库库存 360 篇及上一批 300 篇逐题名/已确认别名比对；网站 345 篇编号均覆盖在库存中。旧库存部分链接存在错配，未将其标识符单独作为排除依据。题名近似及改名版本仍可能遗漏，需以作者和原始版本进一步核对。\n近似题名例外：本批 Multi-modal Time Series Analysis（KDD 2025 教程）与站点 #098 Foundation Models for Time Series Analysis（KDD 2024 教程）有部分共同作者，但题名、主要作者、年份和范围不同；[2025 作者页面](https://github.com/UConn-DSIS/Multi-modal-Time-Series-Analysis)与[2024 作者稿](https://arxiv.org/abs/2403.14735)支持分开记录。\nNeurIPS 2026 候选以已获的官网录用/日程信息为依据；[主会定于 2026 年 12 月 8—10 日](https://neurips.cc/Conferences/2026/Dates)，本次 11 月 6 日筛选时会议尚未召开，最终论文版本及具体状态以官网后续更新为准。\n优先列已知引用不少于 10 次的论文；为了提供 300 个候选，后续保留已知 1—9 次、0 次或未知的论文。未知不按零处理，也不代表低质量。\nOpenAlex 与 Crossref 的计数来自不同索引，不作直接数值比较：先分别列各来源的 ≥10 次，再分别列 1—9 次；无正数计数的候选优先主要会议，按年份和题名排列。引用可能对应预印本，条目中按已得信息注明。不同发表时间与学科的引用数不直接表示质量。\n有 46 条引用记录未保存逐篇准确查询时间，表中保留可得批次说明；其他为 UTC 查询时间。正式会议赛道未单独证实的写“待核”，教程与综述标注性质。文中“方向”来自题名或已获摘要，非全文评审。\n结构化记录见 [第二批新增300篇.json](第二批新增300篇.json)，来源和排除记录见 [整合候选待核.json](整合候选待核.json)；网站清单与比对依据见 [去重基准来源说明](去重基准来源说明.md)。本清单未运行论文实验，也不声称覆盖全部相关论文。\n\n对暂选集中 66 条高引用候选的 DOI 做过 [Crossref 抽样核对](../2026-11-06-第二批论文筛选/质量核查/高引用Crossref核对.json)：62 条书目信息匹配，4 条预印本 DOI 未获 Crossref 记录；具体结果以核查文件为准。\n", "file_id": "file_00000000ee70822fb4973bda0753b776", "current_version_number": 0, "materialization_metadata_applied_and_verified": true }, { "source_id": "S5", "library_file_id": "libfile_849759d66a808191813dbe9bd1605bb4", "filename": "已粘贴的文本(5).txt", "relative_path": "originals/已粘贴的文本(5).txt", "sha256": "5b29c28e3e206c7da33e3ba58c04caaad34a544a44afa8317ffbb6bd62a85442", "size_bytes": 187849, "line_count": 323, "records": 300, "record_types": { "legacy_scored": 95, "legacy_unranked": 205 }, "non_table_context_verbatim": "# 300 篇论文：已评审排名与未排序清单\n\n生成时间：2026-11-06T00:22:29+00:00。共 **300** 篇：已评审并纳入排名 **95** 篇；未排序 **205** 篇。未排序中 142 篇已知引用低于 10 次、63 篇引用未知；其中 3 篇原文下载失败。\n\n本文件列出全部候选。已完成论文按其评审评分排序；未排序论文保留原始编号和当前状态。未排序不是论文质量排名。此前设置的 10 次引用门槛仅用于安排待评审队列，引用未知不视为零，也不判为低引用。三篇下载失败的论文同时低于门槛，具体失败原因单独记录。\n\n排名沿用已有的临时约定：A–E 五组等权、组内适用维度等权；`NA` 从适用权重移除，`unknown` 保留在覆盖率分母。F 组依赖个人背景，未合入；各篇原始 24 维评分保留在结构化数据中。分数不表示录用概率或论文真实性概率。\n\n“覆盖率”是适用权重中已评分的比例，“暂定占比”是已评分权重中暂定项的比例；区间把暂定项替换为判断范围、未知项取 0–100，是量表上的保守范围，不是统计置信区间。区间重叠时，排序对判断不确定性敏感。重要或关键风险单列于表中，不能被均分掩盖。\n\n引用量采用 OpenAlex 的既有查询快照，查询时间逐篇见 [引用数据](citations/citation_counts.json)；不同公开年份及索引覆盖影响累计次数。**43 篇已评分论文没有单独的 `复核.md` 文件**；有该文件也不表示所有证据均已独立核实，具体阅读范围见逐篇报告。\n\n## 一、已评审论文排名\n\n\n## 二、未排序论文\n\n以下逐篇列出未排序原因。已知引用低于 10 次的论文标记“引用较低”；引用未知的论文保留未知。下载失败与低引用可以同时存在。\n", "file_id": "file_00000000d09c822f8f770d18aba52bdb", "current_version_number": 0, "materialization_metadata_applied_and_verified": true } ]