diff --git a/README.md b/README.md
index 925b79d..20c9b78 100644
--- a/README.md
+++ b/README.md
@@ -1,73 +1,77 @@
+<!-- WEHUB_ZH_README -->
+> [!NOTE]
+> 本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。  
+> [English](./README.en.md) · [原始项目](https://github.com/google-research/timesfm) · [上游 README](https://github.com/google-research/timesfm/blob/HEAD/README.md)  
+> 原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。
+
 # TimesFM
 
-TimesFM (Time Series Foundation Model) is a pretrained time-series foundation
-model developed by Google Research for time-series forecasting.
+TimesFM（Time Series Foundation Model，时间序列基础模型）是 Google Research 开发的预训练时间序列基础模型，用于时间序列预测。
 
-*   Paper:
+*   论文：
     [A decoder-only foundation model for time-series forecasting](https://arxiv.org/abs/2310.10688),
-    ICML 2024.
-*   All checkpoints:
+    ICML 2024。
+*   全部检查点：
     [TimesFM Hugging Face Collection](https://huggingface.co/collections/google/timesfm-release-66e4be5fdb56e960c1e482a6).
 *   [Google Research blog](https://research.google/blog/a-decoder-only-foundation-model-for-time-series-forecasting/).
-*   TimesFM in Google 1P Products:
-    *   [BigQuery ML](https://cloud.google.com/bigquery/docs/timesfm-model): Enterprise level SQL queries for scalability and reliability.
-    *   [Google Sheets](https://workspaceupdates.googleblog.com/2026/02/forecast-data-in-connected-sheets-BigQueryML-TimesFM.html): For your daily spreadsheet. 
-    *   [Vertex Model Garden](https://pantheon.corp.google.com/vertex-ai/publishers/google/model-garden/timesfm): Dockerized endpoint for agentic calling.
+*   TimesFM 在 Google 第一方产品中的应用：
+    *   [BigQuery ML](https://cloud.google.com/bigquery/docs/timesfm-model): 企业级 SQL 查询，兼具可扩展性与可靠性。
+    *   [Google Sheets](https://workspaceupdates.googleblog.com/2026/02/forecast-data-in-connected-sheets-BigQueryML-TimesFM.html): 适用于日常电子表格场景。
+    *   [Vertex Model Garden](https://pantheon.corp.google.com/vertex-ai/publishers/google/model-garden/timesfm): 容器化端点，支持 agent 式调用。
 
-This open version is not an officially supported Google product.
+此开源版本并非 Google 官方支持的产品。
 
-**Latest Model Version:** TimesFM 2.5
+**最新模型版本：** TimesFM 2.5
 
-**Archived Model Versions:**
+**已归档模型版本：**
 
--   1.0 and 2.0: relevant code archived in the sub directory `v1`. You can `pip
-    install timesfm==1.3.0` to install an older version of this package to load
-    them.
-## Update - July 2, 2026
+-   1.0 和 2.0：相关代码已归档至子目录 `v1`。你可以 `pip
+    install timesfm==1.3.0` 安装该软件包的旧版本以加载
+    它们。
+## 更新 - 2026 年 7 月 2 日
 
-Updated PyPI to `timesfm=2.0.2`. See [Install](https://github.com/google-research/timesfm#from-pypi).
+已将 PyPI 更新至 `timesfm=2.0.2`。参见 [Install](https://github.com/google-research/timesfm#from-pypi).
 
-## Update - Apr. 9, 2026
+## 更新 - 2026 年 4 月 9 日
 
-Added fine-tuning example using HuggingFace Transformers + PEFT (LoRA) — see
-[`timesfm-forecasting/examples/finetuning/`](timesfm-forecasting/examples/finetuning/).
-Also added unit tests (`tests/`) and incorporated several community fixes.
+新增使用 HuggingFace Transformers + PEFT（LoRA）的微调示例 — 参见
+[`timesfm-forecasting/examples/finetuning/`](timesfm-forecasting/examples/finetuning/)。
+同时新增单元测试（`tests/`），并纳入多项社区修复。
 
-Shoutout to [@kashif](https://github.com/kashif) and [@darkpowerxo](https://github.com/darkpowerxo). 
+特别鸣谢 [@kashif](https://github.com/kashif) 与 [@darkpowerxo](https://github.com/darkpowerxo). 
 
-## Update - Mar. 19, 2026
+## 更新 - 2026 年 3 月 19 日
 
-Huge shoutout to [@borealBytes](https://github.com/borealBytes) for adding the support for [AGENTS](https://github.com/google-research/timesfm/blob/master/AGENTS.md)! TimesFM [SKILL.md](https://github.com/google-research/timesfm/tree/master/timesfm-forecasting) is out.
+大力感谢 [@borealBytes](https://github.com/borealBytes) 添加了对 [AGENTS](https://github.com/google-research/timesfm/blob/master/AGENTS.md)! 的支持；TimesFM [SKILL.md](https://github.com/google-research/timesfm/tree/master/timesfm-forecasting) 已发布。
 
-## Update - Oct. 29, 2025
+## 更新 - 2025 年 10 月 29 日
 
-Added back the covariate support through XReg for TimesFM 2.5.
+通过 XReg 为 TimesFM 2.5 重新加入协变量（covariate）支持。
 
 
-## Update - Sept. 15, 2025
+## 更新 - 2025 年 9 月 15 日
 
-TimesFM 2.5 is out!
+TimesFM 2.5 正式发布！
 
-Comparing to TimesFM 2.0, this new 2.5 model:
+与 TimesFM 2.0 相比，全新的 2.5 模型：
 
--   uses 200M parameters, down from 500M.
--   supports up to 16k context length, up from 2048.
--   supports continuous quantile forecast up to 1k horizon via an optional 30M
-    quantile head.
--   gets rid of the `frequency` indicator.
--   has a couple of new forecasting flags.
+-   参数量为 200M，较此前的 500M 有所减少。
+-   支持最长 16k 上下文长度，较此前的 2048 大幅提升。
+-   通过可选的 30M quantile head，支持最长 1k 预测步长的连续分位数（quantile）预测。
+-   移除了 `frequency` 指示器。
+-   新增若干预测相关标志位。
 
-Since the Sept. 2025 launch, the following improvements have been completed:
+自 2025 年 9 月发布以来，已完成以下改进：
 
-1.  ✅ Flax version of the model for faster inference.
-2.  ✅ Covariate support via XReg (see Oct. 2025 update).
-3.  ✅ Documentation, examples, and agent skill (see `timesfm-forecasting/`).
-4.  ✅ Fine-tuning example with LoRA via HuggingFace Transformers + PEFT (see `timesfm-forecasting/examples/finetuning/`).
-5.  ✅ Unit tests for core layers, configs, and utilities (see `tests/`).
+1.  ✅ 提供 Flax 版本模型，推理更快。
+2.  ✅ 通过 XReg 支持协变量（参见 2025 年 10 月更新）。
+3.  ✅ 文档、示例与 agent skill（参见 `timesfm-forecasting/`）。
+4.  ✅ 基于 HuggingFace Transformers + PEFT 的 LoRA 微调示例（参见 `timesfm-forecasting/examples/finetuning/`）。
+5.  ✅ 核心层、配置与工具函数的单元测试（参见 `tests/`）。
 
-### Install
+### 安装
 
-#### From `PyPI`
+#### 通过 `PyPI` 安装
 
 ```shell
 # Install the package with torch
@@ -78,15 +82,15 @@ pip install timesfm[flax]
 pip install timesfm[xreg]
 ```
 
-#### Local Install
+#### 本地安装
 
-1.  Clone the repository:
+1.  克隆仓库：
     ```shell
     git clone https://github.com/google-research/timesfm.git
     cd timesfm
     ```
 
-2.  Create a virtual environment and install dependencies using `uv`:
+2.  使用 `uv` 创建虚拟环境并安装依赖：
     ```shell
     # Create a virtual environment
     uv venv
@@ -102,14 +106,13 @@ pip install timesfm[xreg]
     uv pip install -e .[xreg]
     ```
 
-3. [Optional] Install your preferred `torch` / `jax` backend based on your OS and accelerators
-(CPU, GPU, TPU or Apple Silicon).:
+3. [可选] 根据你的操作系统与加速器（CPU、GPU、TPU 或 Apple Silicon）安装偏好的 `torch` / `jax` 后端：
 
 -   [Install PyTorch](https://pytorch.org/get-started/locally/).
 -   [Install Jax](https://docs.jax.dev/en/latest/installation.html#installation)
-    for Flax.
+    用于 Flax。
 
-### Code Example
+### 代码示例
 
 ```python
 import torch