AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：零樣本即可時(shí)空預(yù)測(cè)！港大、華南理工等發(fā)布時(shí)空大模型UrbanGPT | KDD 2024
關(guān)鍵字：時(shí)空,模型,數(shù)據(jù),語(yǔ)言,時(shí)間
文章來(lái)源：新智元
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

新智元報(bào)道編輯：LRST
【新智元導(dǎo)讀】UrbanGPT是一種創(chuàng)新的時(shí)空大型語(yǔ)言模型，它通過(guò)結(jié)合時(shí)空依賴編碼器和指令微調(diào)技術(shù)，展現(xiàn)出在多種城市任務(wù)中卓越的泛化能力和預(yù)測(cè)精度。這項(xiàng)技術(shù)突破了傳統(tǒng)模型對(duì)大量標(biāo)記數(shù)據(jù)的依賴，即使在數(shù)據(jù)稀缺的情況下也能提供準(zhǔn)確的預(yù)測(cè)，為城市管理和規(guī)劃提供了強(qiáng)大的支持。時(shí)空預(yù)測(cè)技術(shù)致力于深入分析和預(yù)測(cè)動(dòng)態(tài)的城市環(huán)境，它不僅關(guān)注時(shí)間的變化，也考慮空間的布局。這項(xiàng)技術(shù)的目標(biāo)是揭示城市生活中交通、人口遷移和犯罪率等各個(gè)方面的未來(lái)趨勢(shì)和模式。盡管許多研究集中于利用神經(jīng)網(wǎng)絡(luò)來(lái)提高時(shí)空數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確性，但這些方法通常需要大量的訓(xùn)練數(shù)據(jù)來(lái)生成可靠的時(shí)空特征。
然而，在實(shí)際的城市監(jiān)測(cè)場(chǎng)景中，數(shù)據(jù)往往不足，特別是在某些情況下，收集有標(biāo)記的數(shù)據(jù)變得非常困難，這進(jìn)一步加劇了挑戰(zhàn)。因此，開(kāi)發(fā)一個(gè)能夠適應(yīng)不同時(shí)空背景并具備強(qiáng)大泛化能力的模型顯得尤為關(guān)鍵。
受到大型語(yǔ)言模型（LLMs）在多個(gè)領(lǐng)域的顯著進(jìn)展的啟發(fā)，香港大學(xué)、華南理工大學(xué)等機(jī)構(gòu)的研究人員發(fā)布了一個(gè)全新的時(shí)空大語(yǔ)言模型UrbanGPGT，將時(shí)空依賴的編碼器和指令微調(diào)技術(shù)相結(jié)合，其目標(biāo)是開(kāi)發(fā)一個(gè)能夠廣泛適用于城市任務(wù)的時(shí)空大型語(yǔ)

原文鏈接：零樣本即可時(shí)空預(yù)測(cè)！港大、華南理工等發(fā)布時(shí)空大模型UrbanGPT | KDD 2024

聯(lián)系作者

文章來(lái)源：新智元
作者微信：
作者簡(jiǎn)介：