[控场AI]
论文Event-Anchored and Task-Adaptive Representation

EASTAR

EASTAR是一种事件锚定且任务自适应的城市区域表示学习框架,通过事件锚点将聚合移动表示分解为多个目的相关的语义通道,并利用任务自适应提示路由器适配下游任务。

时间轴 (近 90 天)

11月13日

EASTAR是一个事件锚定且任务自适应的城市区域表示学习框架。

待验证50%
11月13日

EASTAR将线下活动事件作为稀疏语义锚点,把聚合移动表示分解为多个与目的相关的语义通道。

待验证50%
11月13日

EASTAR引入自由通道捕捉事件数据未覆盖的潜在移动模式,并设置全局通道保留整体空间结构。

待验证50%
11月13日

EASTAR设计了任务自适应提示路由器,从LLM衍生的先验初始化任务-通道相关性,并通过下游监督细化路由权重。

待验证50%
11月13日

在两个真实城市数据集上的四个预测任务中,EASTAR一致优于代表性基线,MAE最高降低39.15%。

待验证50%
11月13日

消融与可解释性分析验证了事件锚定、语义通道构建和任务自适应路由的有效性。

待验证50%
11月13日

EASTAR的“LLM先验+监督微调”两阶段设计,本质上是将参数高效迁移学习中的adapter或prompt tuning思路迁移到城市表示学习场景。

待验证50%
11月13日

未来EASTAR有望扩展到更多城市分析场景,并进一步探索事件数据的稀疏性处理与跨城市迁移能力。

待验证50%

全部知识事实 (8)

来源文章