arXiv · cs.AI· Shuhao Li, Weidong Yang, Changan Liu, Wei Zhuo, Yingbo Zhou, Fan Zhang, Siqiang Luo·· 1 天前
GenST利用大语言模型生成时空图未观测节点状态
Just for FUNS: LLM-Guided Spatio-Temporal Graph Node Generation for Forecasting Unobserved Node States
arXiv:2610.08818v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shuhao Li, Weidong Yang, Changan Liu, Wei Zhuo, Yingbo Zhou, Fan Zhang, Siqiang Luo
研究任务与主要进展
作者提出GenST框架，将时空图节点状态预测建模为条件生成任务，利用大语言模型从节点描述中提取语义特征，并结合时空VAE与生成式Transformer预测无历史记录节点的未来状态。基于论文摘要，GenST在六个交通和两个非交通数据集的零样本预测任务中优于现有基线，显示语义引导生成对缓解时空数据稀疏的潜力。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org