ICML 2026 | 时序推理评测新标杆TSRBench!首次统一感知、推理、预测、决策四大能力
研梦非凡CCF地址:https://www.yanmengfeifan.com/shymkj/ccf时间序列数据无处不在，金融波动、医疗监护、电网负载、交通流量……所有高风险领域的决策都离不开它。但对通用模型来说，能“看懂”并“分析”时序数据，一直是块难啃的骨头。现有的评估基准要么只盯着传统数值预测，把数据当孤立数字；要么只覆盖少数领域，根本测不出模型真实的推理水平。针对这一痛点，研究团队耗时半年，推出了全新基准TSRBench。它包含14个领域、4125个问题，覆盖从基础感知到高阶决策的全能力链条，支持文本、图像、图文交错等四种输入模态，能公平评估大语言模型、视觉语言模型等不同类型的通用模型。四大能力维度，还原人类分析逻辑
TSRBench没有简单堆砌任务，而是按人类处理时序问题的逻辑，拆解成四大核心维度：- 时序推理：突破传统数值计算，包含溯因推理、因果发现等7个任务，考察模型能否像人一样提炼逻辑关系。
- 时序预测：包含数值和事件预测，采用多项选择形式，公平测试预测逻辑。
- 时序决策：分定性/定量决策，贴近现实场景（如电网调度、医疗方案选择）。
测试30+模型，得出四大关键发现
研究团队评估了30多个主流模型，包括GPT-5、Qwen3-VL等，得出了几个颠覆认知的结论：发现1：缩放定律在预测任务上失效了。模型越大不代表预测越准，单纯堆参数解决不了时序预测问题。发现2：会推理不代表会预测。感知、推理、决策三者强相关，但它们与预测任务的相关性极弱，预测是独立的短板。发现3：文本和视觉模态互补，但模型不会融合。视觉擅长感知，文本擅长细粒度推理，但双模态输入并未带来预期的性能飞跃。发现4：不同任务的改进方向完全不同。溯因推理等任务可通过知识蒸馏提升，而定量决策、时序预测是所有模型的共同弱点，必须从预训练数据加入更多定量监督信号。私信我回复「时序推理」，即可免费领取全部论文合集及项目代码！无论是发论文找创新点，还是做相关研究，这份资料都能帮你快速定位方向。
