一个数字开场：53.2。在此之前，给大模型看时间序列的主流做法是画成线图——一张图，一种读法。这篇论文说，一条曲线至少有两种正当读法，而增益几乎全在第二种上。【直引】
两种读法：线图保留绝对刻度和测量坐标系，看得出"30 度就是 30 度"；归一化延迟嵌入把重叠窗口的重复结构压成一张纹理图，专看节律，对正向的幅度缩放和平移天然免疫。一篇管大小，一篇管形状。
增益数字：TSRBench 总准确率从纯线图的 45.2% 到 53.2%，同期最强的专用时序大模型只有 36.7%，作参照的 GPT-5（带视觉）是 52.4。但真正透露天机的是分项：感知 87.4 到 86.4，几乎不动；预测 38.0 到 61.7，涨了将近 24 个百分点。互补性不是普涨，是补在"要推理变化"的地方。【直引】
还有个漂亮对照：同样的架构，两扇窗喂同一张图——Plot+Plot 44.8、Delay+Delay 42.6，都远低于 53.2。不是"多给一条视觉流"的功劳，是"两条流真的不同"的功劳。干预实验把这说透了：缩放平移测试里，延迟嵌入几乎免疫，纯线图忽高忽低，双视图则保住了全场最高的绝对准确率。其他基准上，TSExam 89.9，多变量 ChatTS 数值对齐 86.8。【直引】
顺手纠个账：论文摘要里写"从 44.5% 提高到 53.2%"，正文和消融表里纯线图的数是 45.2%。引用时用表里的 45.2，别抄摘要的 44.5。【判断】
下一根钉子：现在两条流靠人事先指定"谁管刻度、谁管节律"。换一个模态（音频、轨迹、图信号），什么该保留、什么该分解，这套原则怎么自动发现？论文开了个头，没到通用化。