待验证50% 置信事实精确时间

论文提出的框架名为 GenST，利用节点本身的语义描述而非历史数据进行预测

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

GenST：用大语言模型预测无观测节点的时空状态

涉及实体

相关事实

待验证GenST 使用一个经过微调的预训练 LLM，从节点描述中提取高维语义特征作为预测依据71% 相似待验证参数化建模记录操作历史形成特征树，直接建模不维护历史记录而直接操作几何体的面、边、体60% 相似待验证当前的生成模型基本停留在关联层，即识别数据中的统计共现模式，缺乏因果推理能力56% 相似待验证GenT 的重建过程受到多模态条件引导，包括语义特征、地理坐标和邻域上下文56% 相似待验证Semantica提供的是系统级可解释性，而非还原模型内部推理过程55% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986793

API

curl https://kongchang.com/api/v1/knowledge/claims/986793

MCP

get_claim(id=986793)