近日，第40届 AAAI人工智能大会（The 40th AAAI Conference on Artificial Intelligence, AAAI 2026）正式公布录用论文名单。实验室博士生柳真的研究论文《A Unified Shape-Aware Foundation Model for Time Series Classification》成功入选。这一成果标志着团队在时间序列基础模型（Foundation Models）领域取得了重要突破。
AAAI 是人工智能领域最具权威性和影响力的顶级国际学术会议之一，被中国计算机学会（CCF）列为 A类推荐会议，涵盖了机器学习、数据挖掘及自然语言处理等多个前沿方向。本次论文的入选，不仅体现了该研究方向的前瞻性，也进一步彰显了实验室在处理复杂时序数据及大规模预训练模型方面的深厚学术积淀。
论文题目：A Unified Shape-Aware Foundation Model for Time Series Classification
作者：Zhen Liu, Yucheng Wang, Boyuan Li, Junhao Zheng, Emadeldeen Eldele, Min Wu, Qianli Ma*
论文简介：基于大规模源数据集预训练的基础模型正在重塑传统的时间序列分类训练范式。然而，现有的时间序列基础模型主要关注预测任务，常常忽视分类特有的挑战，比如建模捕捉类别区分时间特征的可解释型态。为弥合这一差距，本文提出了UniShape，一种统一的形状感知基础模型，专为时间序列分类设计。UniShape集成了形状感知适配器，可自适应地将多尺度判别子序列（形状）聚合为class tokens，有效选择最相关的子序列尺度以增强模型的可解释性。同时，引入了一个基于原型的预训练模块，用于联合学习实例级和形状级表示，从而实现可转移形状模式的捕捉。UniShape在包含189万样本的大规模多域时间序列数据集上预训练后，在不同目标领域展现出更优越的泛化能力。对128个UCR数据集和30个额外时间序列数据集的实验表明，UniShape实现了最先进的分类性能，并通过可解释性和消融分析进一步验证了其有效性。
GitHub链接：https://github.com/qianlima-lab/UniShape