PRISM框架论文发布：自适应多视图城市表征学习

Sean Bin Yang 等发布被 PVLDB 2027 录用的 PRISM 论文，提出一个面向城市区域表征学习的自适应多视图融合框架，针对各区域模态效用差异大和多目标梯度失衡问题给出解决方案。 PRISM 采用稀疏 MoE 路由学习区域特定的视图分配，并引入 PID 启发的调节机制缓解优化中的梯度冲突。在三个大规模城市数据集上的实验显示，PRISM 相较强多视图基线性能具竞争力，优化更稳定且区域表征更均衡。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。