从预测未来到构建世界模型：NeurIPS 2026 FMTS Workshop 正式征稿

从预测未来到构建世界模型NeurIPS 2026 FMTS Workshop 正式征稿科学最Top 科学最Top2026年8月19日 20:35北京NeurIPS 2026 Workshop 投稿时间2026 年 12 月 11–12 日期间举行为期一天具体日期和会场待定地点澳大利亚悉尼NeurIPS 2026 会场投稿截止2026 年 8 月 29 日 23:59AoE投稿规格正文不超过 4 页双盲评审非存档官方网站https://fmts-workshop.github.io投稿入口https://openreview.net/group?idNeurIPS.cc/2026/Workshop/FMTS几十年来时间序列与时序机器学习领域始终在回答一个核心问题我们能否预测未来但随着基础模型快速发展今天的问题已经不只是“能否预测”而是我们能否构建真正理解系统如何随时间演化的模型现实世界中的医疗、气候、交通、能源、金融与工业系统往往同时包含信号、文本、视频、图结构、事件、行动与外部环境并呈现多模态、异步、多时间尺度和持续分布变化等特征。因此一个真正面向现实系统的时序模型不仅需要预测下一步还需要维持对系统状态的理解、模拟不同条件下的可能未来、适应环境变化并为真实决策提供可靠支持。围绕这一转变NeurIPS 2026 Workshop on Foundation Models for Temporal Systems: From Forecasting to World ModelingFMTS 2026现已正式开放投稿。四大研究方向从预测到世界建模FMTS 2026 的征稿范围围绕四条相互连接的研究主线展开。Direction 1预测与仿真任务关注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时序数据与环境关注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时序模型关注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。从任务、数据与环境到模型、评测与可靠性四个方向共同指向同一个目标让 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。不只欢迎“完整的新方法”FMTS 2026 不仅接受完整研究论文也欢迎更多形式的研究贡献包括数据集、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尚未完全成熟、但可能推动 temporal AI 下一阶段发展的想法同样欢迎在这里讨论。投稿信息本次 Workshop 为非存档non-archival录用论文不会进入正式会议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NeurIPS 2026 官方 LaTeX 模板评审方式双盲评审每篇论文获得 3 份评审意见评审团队已确认 40 余位来自学术界和工业界的审稿人并行投稿允许 concurrent submission预印本不影响投稿资格但提交的 PDF 必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 8 月 30 日 23:59 UTC录用通知2026 年 9 月 29 日终稿提交2026 年 11 月 6 日暂定Workshop2026 年 12 月 11–12 日期间为期一天具体日期待定OpenReview 投稿入口https://openreview.net/group?idNeurIPS.cc/2026/Workshop/FMTS八位特邀讲者连接 Forecasting 与 World ModelingFMTS 2026 已邀请八位来自时间序列、科学机器学习、多模态基础模型和真实系统研究领域的学者与研究者Rose YuUC San DiegoMichael W. MahoneyUC Berkeley / ICSI / LBNLAbdul Fatir AnsariAWSAditi KrishnapriyanUC BerkeleyMarinka ZitnikHarvard Medical SchoolDaniel F. SchmidtMonash UniversityFlora SalimUNSW SydneyJunnan LiSalesforce研究方向覆盖时空建模、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等领域。不同研究传统将在 FMTS 2026 汇聚到同一个问题上如何让时序基础模型不只“预测下一步”而是进一步理解、模拟并支持现实系统中的决策一天 Workshop充分交流FMTS 2026 计划设置8 场特邀报告、10 篇 Spotlight 论文报告、2 场海报交流、专题圆桌和开放社区讨论。无论你的研究来自时间序列机器学习、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参与讨论。组织团队FMTS 2026 由来自学术界与工业界的八位研究者共同组织Boris N. Oreshkin、Mayank Jauhari、Danielle Maddix Robinson、Omri Azencot、Ming Jin、Emadeldeen Eldele、Chenghao Liu 和 N. Benjamin Erichson。如果你也在思考temporal AI 如何从 forecasting 走向更完整的 world modeling欢迎在悉尼加入 FMTS 2026。投稿截止2026 年 8 月 29 日 23:59AoE