| 文献与研究要点 | 分享人 | 发表信息 | 资料 |
|---|---|---|---|
A Dual Large Language Models Architecture with Herald Guided Prompts for Parallel Fine Grained Traffic Signal Control论文提出 HeraldLight 框架,通过 Herald 模块(场景感知、队列预测)与双 LLMs协作,实现秒级动态交通信号控制,在济南、杭州、纽约真实数据集中,大幅度降低行程时间与排队长度,同时缓解 LLMs 幻觉,提升泛化与鲁棒性,为智能交通信号控制提供新方案。 | arXiv 2025-11 | 暂无 | |
Predicting electric vehicle charging demand using a heterogeneous spatio-temporal graph convolutional network提出一种异构时空图卷积网络(Heterogeneous Spatio-Temporal Graph Convolutional Network, H-STGCN),用于短期电动汽车充电需求预测。在多个空间尺度和预测时长下,预测精度优于现有主流模型。 | Transportation Research Part C 2023-06 | 暂无 | |
AgentMove: A Large Language Model based Agentic Framework for Zero-shot Next Location Prediction本研究提出AgentMove,一个系统化的智能体预测框架,用于实现广义的下一位置预测。通过融合时空记忆、世界知识生成器和集体知识提取器三大模块,在12个城市的8/12项指标上超越最佳基线3.33%至8.57%,实现了鲁棒的零样本预测并减少了地理偏见。 | arXiv 2025-02 | 暂无 | |
DeepDive: Advancing Deep Search Agents with Knowledge Graphs and Multi-Turn RLDeepDive 针对开源大语言模型在复杂深度搜索任务中表现不足的问题,提出了一种创新解决方案。其核心内容是通过自动化方法从开放知识图谱合成高难度问答对,并结合端到端多轮强化学习训练框架,显著提升了深度搜索智能体的长时程推理能力和工具使用效率。 | arXiv 2025-10 | 暂无 |