VLT：面向工业智能的视觉—语言—时间序列多模态基础模型

该论文提出VLT工业多模态基础模型，联合建模时间序列、频谱视觉表示与文本知识。模型包含Time-MoE、Frequency-Text Augmented Learner和时间中心梯度对齐机制，旨在缓解连续信号与离散语义之间的鸿沟，并提升工业预测性健康管理在少样本、噪声及模态缺失场景下的鲁棒性与泛化能力。