Bài báo này đề xuất khuôn khổ PromptTSS để giải quyết các thách thức về phân đoạn trạng thái đa độ phân giải và tích hợp của dữ liệu chuỗi thời gian đa biến được thu thập trong nhiều lĩnh vực khác nhau, bao gồm sản xuất và công nghệ đeo. Để khắc phục những hạn chế của các phương pháp hiện có, vốn thiếu khả năng xử lý đa độ phân giải và khả năng thích ứng với môi trường động, chúng tôi trình bày một mô hình tích hợp sử dụng cơ chế nhắc nhở để nắm bắt cả các mẫu thô và mẫu tinh thông qua thông tin nhãn và ranh giới, đồng thời thích ứng động với các mẫu chưa biết. Kết quả thử nghiệm cho thấy độ chính xác phân đoạn đa độ phân giải là 24,49%, độ chính xác phân đoạn đơn độ phân giải là 17,88% và cải thiện tới 599,24% trong học chuyển giao, chứng minh khả năng thích ứng của mô hình với các trạng thái phân cấp và động lực học chuỗi thời gian đang phát triển. Mã nguồn có sẵn trên GitHub.
