Group Meeting | 2026-03-23
Date
Mar 23, 2026
Event
Group meeting
4 papers were presented at this group meeting.
Presenters
Papers and research themes
| Paper and research focus | Presenter | Publication | Resources |
|---|---|---|---|
GTA: Generative Traffic Agents for Simulating Realistic Mobility Behavior用人口统计数据构造与真实城市人口分布对齐的 persona，再让 LLM 生成日程与出行方式决策，并把决策放进 SUMO/OTP 驱动的真实交通网络中执行，从而实现可解释、可扩展、适合早期方案评估的城市级出行仿真。 |  @Qiang Xia | CHI 2026-01 | Not available |
Large Language Models for Next Point-of-Interest Recommendation本研究针对现有POI推荐模型将位置数据转化为数值ID而导致“上下文语义丢失”的问题，提出了LLM4POI框架。该框架利用预训练大语言模型（LLM）通过“轨迹提示语构建”与“键-值查询相似度匹配”，不仅避免了LBSN异构数据的语义折损，还能借助LLM的内在常识知识，有效攻克短轨迹与冷启动的推荐难题。 |  @Yuhan Dong | arXiv 2024-08 | Not available |
A review of knowledge graph construction using large language models in transportation: Problems, methods, and challenges本文系统梳理了利用大语言模型构建知识图谱的方法体系，重点聚焦交通领域。文章将构建流程分为知识获取、精炼与演化三个阶段，归纳了提示学习、微调、单智能体与多智能体四类方法，并提出了一个融合交通本体与多源数据的LLM驱动知识图谱构建框架。最后，总结了当前在数据质量、模型能力与计算成本方面的挑战，并指出了未来的研究方向。 |  @Jinshan Guo | Transportation Research Part C 2026-03 | Not available |
SAMoE-VLA: A Scene Adaptive Mixture-of-Experts Vision-Language-Action Model for Autonomous Driving本文面对直接将语言模型中的混合专家 (MoE) 机制应用于自动驾驶的视觉 - 语言 - 动作 (VLA) 模型导致的安全性下降。提出了 SAMoE-VLA 模型，利用鸟瞰图特征进行场景级的专家选择，并引入条件跨模态因果注意力机制来统一世界知识、感知、语言和动作的时间一致性推理。 |  @Yongsheng Lu | arXiv 2026-03 | Not available |