KairosVL：协同时间序列与语义以实现统一推理

在时间序列分析日益复杂、面向决策的需求驱动下，我们提出语义条件时间序列推理任务，它将传统时间序列分析从纯数值建模扩展到纳入上下文与语义理解。为进一步增强模型在复杂时间序列问题上的推理能力，我们提出一个两轮强化学习框架：第一轮强化模型对基本时间基元的感知，第二轮聚焦语义条件推理。所得模型 KairosVL 在合成与真实任务上均取得有竞争力的表现。大量实验与消融研究表明，我们的框架不仅提升性能，还保留内在推理能力，并显著提升对未见场景的泛化。总之，我们的工作凸显了将语义推理与时间建模相结合的潜力，并为现实世界迫切需要的时间序列智能提供了实用框架。