TimesNet 最值得记住的不是它又堆了什么新模块，而是它换了一个看问题的方式：先找周期，再把 1D 时间序列变成 2D 结构，让 temporal variation 变得更容易被建模。

Informer 的重点不是把 Transformer 变成另一个怪物，而是先用 ProbSparse 和 distilling 把长序列变短，再让模型把算力用在更值得看的位置。

DLinear 让我重新看了一次“简单”这件事。它几乎没有花哨结构，却靠把趋势和季节性拆开，证明线性模型也能很有竞争力。

Autoformer 把序列分解嵌入网络内部，再用基于周期的自相关机制代替逐点注意力，为长期时间序列预测提供了一条结构化路线。