机构名称：
¥ 2.0
城市时空预测对于明智的决策，例如运输管理，资源优化和公共卫生策略增强至关重要。尽管在验证的自然语言模型中取得了突出的突破，这使一个模型能够处理各种任务，但对于时空建模的通用解决方案仍然难以捉摸。现有的预测方法通常是针对特定时空的SCE-Narios量身定制的，需要特定于任务的模型设计和广泛的域 - 特定于域的培训数据。在这项研究中，我们介绍了Unist，这是一种旨在在各种场景中为一般城市时空预测的Unist模型。受到大型语言模式的启发，Unist通过：（i）跨时空数据的可伸缩性取得了成功，（ii）有效的预训练可捕获综合时空关系，（iii）时空知识引导提示提示增强通用能力。这些迹象共同解锁了具有强大的概括能力的各种场景的通用模型的潜力。进行了20多个时空场景的实验，这表明了Unist在提高最先进的词典表现方面的功效，尤其是在少数弹奏和零弹性词语中。数据集和代码实现在https://github.com/tsinghua-fib-lab/unist上发布。
Unist：一个及时授权的城市时空预测的通用模型
主要关键词
相关文件推荐
