提出EncounterMob：相遇驱动的城市人群移动生成框架
热点事件持续更新
提出EncounterMob：相遇驱动的城市人群移动生成框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Chao Li 等研究者在 arXiv 发表 EncounterMob，一个基于大语言模型、以相遇驱动的城市级人类移动生成框架，旨在同时保留个体移动模式和人群层面的相遇交互结构。框架包含从粗到细的 Encounter Generator 和迭代耦合机制，并提出覆盖相遇边缘与联合分布的评估协议。 作者报告的实验结果显示，在日本和纽约（NYC）数据集上，该方法优于全部基线：相比 ELLMob，参与者-时间-地点联合误差分别降低 40.4% 和 41.7%，个体移动平均误差分别降低 58.8% 和 32.7%。
AI 根据报道生成 · 1 小时前更新
最新进展10月31日 12:00
EncounterMob：基于大语言模型的相遇驱动城市级人类移动生成框架报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIEncounterMob：基于大语言模型的相遇驱动城市级人类移动生成框架
研究者提出 EncounterMob，一个相遇驱动的大语言框架，可同时保留个体移动模式与人群层面的相遇交互结构。框架包含从粗到细的 Encounter Generator 和迭代耦合机制，并引入覆盖相遇边缘与联合分布的评估协议。在日本和 NYC 数据集上，它优于全部基线：相比 ELLMob，将参与者-时间-地点联合误差降低 40.4%/41.7%，个体移动平均误差降低 58.8%/32.7%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。