编辑 | 蒲诗瑶
几十年来，时间序列机器学习一直在回答同一个问题：我们能否预测未来？基础模型兴起之后，核心议题正转向：我们能否构建真正理解系统如何随时间演化的模型？
在医疗、气候、交通、能源、金融与工业等现实系统中，数据并非单一曲线，而是信号、文本、视频、图结构及外部环境交织的多模态、异步且分布持续漂移的复杂集合。合格的时序模型需超越“预测下一步”，转而维持对系统状态的理解，模拟不同条件下的未来，并为真实决策提供可靠支撑。
围绕这一转变，Workshop on Foundation Models for Temporal Systems: From Forecasting to World Modeling（FMTS 2026）现已开放投稿。
四个征稿方向
FMTS 2026 的征稿范围由四条相互衔接的研究主线构成，旨在推动 temporal AI 从单一预测工具走向能够理解、模拟并支持决策的系统。
Direction 1｜预测与仿真任务
涵盖长时与多分辨率预测、多模态上下文预测、概率预测、稀疏观测和机制变化下的预测、轨迹仿真，以及结合检索、工具、规划和推理的自适应或智能体式预测系统。
Direction 2｜时序数据与环境
聚焦大规模时序预训练语料、多模态时序环境、合成数据与仿真环境、真实可信的评测基准，以及面向物理系统的评测套件。
Direction 3｜时序模型
包括不规则采样和事件驱动模型、层次化多时间尺度系统、状态空间架构、生成式时序模型、时间序列基础模型、多模态融合、记忆与持续状态，以及跨领域和跨模态适应。
Direction 4｜评测与可靠性
关注数据质量与基准真实性、数据泄漏、分布变化下的鲁棒性、测试时适应、不确定性量化、长时预测与仿真的一致性、缩放规律、可复现性，以及数据和预训练语料污染审计。
不只欢迎“完整的新方法”
除了完整的研究论文，FMTS 2026 同样期待以下形式的贡献：
数据集、基准、模拟器与时序环境
负面结果、复现研究与批判性分析
真实系统中的部署与运行经验
在研工作、初步结果与观点论文
那些尚未完全成熟、但可能推动 temporal AI 进入下一阶段的想法，在此同样拥有讨论空间。
投稿信息
本次 Workshop 为非存档（non-archival）：录用论文不会收入正式论文集，后续仍可投稿至存档型会议或期刊。
论文长度：正文不超过 4 页，参考文献与附录不计入页数
论文模板：官方 LaTeX 模板，模板文件与格式说明见投稿页面
评审方式：双盲评审，每篇论文获得 3 份评审意见
评审团队：40 余位来自学术界与工业界的审稿人已确认参与
并行投稿：允许 concurrent submission
预印本：不影响投稿资格，但提交的 PDF 须保持匿名
已正式发表的工作：不符合投稿条件
重要日期
投稿截止：2026 年 9 月 16 日 11:59（UTC），即北京时间 9 月 16 日 19:59
录用通知：2026 年 9 月 29 日
终稿提交：2026 年 11 月 6 日（暂定）
Workshop：2026 年 12 月 11–12 日期间，为期一天，具体日期与会场待定
投稿入口
https://openreview.net/group?id=NeurIPS.cc/2026/Workshop/FMTS
八位特邀讲者
FMTS 2026 已邀请八位讲者，研究背景横跨时间序列、科学机器学习、多模态基础模型与真实系统：
Rose Yu｜UC San Diego
Michael W. Mahoney｜UC Berkeley / ICSI / LBNL
Abdul Fatir Ansari｜AWS
Aditi Krishnapriyan｜UC Berkeley
Marinka Zitnik｜Harvard Medical School
Daniel F. Schmidt｜Monash University
Flora Salim｜UNSW Sydney
Junnan Li｜Salesforce
具体方向覆盖时空建模、时间序列基础模型、概率预测、物理启发机器学习、生物医学时序、模型评测、多模态传感器学习，以及多模态基础模型与智能体。这些研究传统将在 FMTS 2026 交汇，共同探索让时序基础模型真正理解、模拟并支撑现实系统决策的路径。
一天日程，以交流为主
FMTS 2026 计划安排 8 场特邀报告、10 篇 Spotlight 论文报告、2 场海报交流，以及专题圆桌和开放社区讨论。
无论您的工作在时间序列机器学习、基础模型、多模态与生成式建模、科学机器学习、世界模型，还是在医疗、气候、交通、能源与工业系统中的真实应用，都欢迎投稿并到场参与讨论。
组织团队
FMTS 2026 由八位来自学术界与工业界的研究者共同组织：Boris N. Oreshkin、Mayank Jauhari、Danielle Maddix Robinson、Omri Azencot、Ming Jin、Emadeldeen Eldele、Chenghao Liu、N. Benjamin Erichson。
如果您也在思考 temporal AI 如何从 forecasting 走向更完整的 world modeling，欢迎 12 月在悉尼加入我们。
联系邮箱：fmtsworkshop@gmail.com