Update news.json

oyb98 · web-flow · commit 54f9e774987c · 2025-05-04T13:16:15.000+08:00
diff --git a/src/assets/news.json b/src/assets/news.json
@@ -182,5 +182,9 @@
   {
     "new_time":"2025年5月",
     "content":"LightGTS: A Lightweight General Time Series Forecasting Model 被ICML 2025（CCF A类）录用。该研究提出了一种创新的时序基础模型，通过周期tokenization和并行解码机制，有效融合时序数据的固有归纳偏置。在保持轻量化参数量级的前提下，模型在零样本预测任务中取得了当前最先进的性能表现。"
+  },
+  {
+    "new_time":"2025年5月",
+    "content":"Towards a General Time Series Forecasting Model with Unified Representation and Adaptive Transfer 被ICML 2025（CCF A类）录用。结合分解频率掩码的预训练任务和时序寄存器，提出了一个有效的时序基础模型框架，显著提升了时序基础模型少样本和零样本的预测能力。"
   }
 ]

Original file line number	Diff line number	Diff line change
`@@ -182,5 +182,9 @@`
`182`	`182`	`{`
`183`	`183`	`"new_time":"2025年5月",`
`184`	`184`	`"content":"LightGTS: A Lightweight General Time Series Forecasting Model 被ICML 2025（CCF A类）录用。该研究提出了一种创新的时序基础模型，通过周期tokenization和并行解码机制，有效融合时序数据的固有归纳偏置。在保持轻量化参数量级的前提下，模型在零样本预测任务中取得了当前最先进的性能表现。"`
	`185`	`+ },`
	`186`	`+ {`
	`187`	`+ "new_time":"2025年5月",`
	`188`	`+ "content":"Towards a General Time Series Forecasting Model with Unified Representation and Adaptive Transfer 被ICML 2025（CCF A类）录用。结合分解频率掩码的预训练任务和时序寄存器，提出了一个有效的时序基础模型框架，显著提升了时序基础模型少样本和零样本的预测能力。"`
`185`	`189`	`}`
`186`	`190`	`]`