组会 | 2026-03-09

日期 3月 9, 2026
活动 课题组组会

本次组会收录 2 篇文献阅读分享。

分享成员
@董昱菡 @果金杉

文献方向与要点

本次组会文献分享明细
文献与研究要点分享人发表信息资料

Large Language Models for Mobility Analysis in Transportation Systems

本综述系统探讨了大语言模型（LLM）在交通系统时间序列预测中的应用潜力。文章提出了一个包含“数据处理（Processing）”与“模型框架（Model Framework）”的通用分类体系，全面梳理了LLM在交通流、人类移动性及需求预测等领域的最新SOTA进展，并指出了可解释性与数据隐私等关键挑战。

@董昱菡arXiv 2025-02暂无

UrbanGPT: Spatio-Temporal Large Language Models

本研究提出 UrbanGPT 框架，旨在解决城市时空预测中的数据稀缺与跨城市泛化难题。该模型创新性地整合了时空依赖编码器与大语言模型（LLM） 的语义推理能力，通过指令微调范式，使模型能结合常识逻辑进行高精度预测。实验证明，UrbanGPT 在零样本（Zero-shot）场景下表现卓越，显 著优于现有基线模型

@果金杉KDD 2024-03暂无
组会 文献分享