待验证50% 置信事实精确时间

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

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56% 相似待验证ReAct的核心思想是让LLM形成Thought→Action→Observation的循环56% 相似待验证GzDRL 面向研究者提供可复现的状态转移、批量向量化、多智能体环境和域随机化等特性55% 相似待验证迁移映射的核心假设是从源扫描仪到目标扫描仪的特征偏移在全局层面近似为某种结构化变换，可通过配对样本学习得到55% 相似待验证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55% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986798

API

curl https://kongchang.com/api/v1/knowledge/claims/986798

MCP

get_claim(id=986798)