本文提出地理定位推理新任务，要求模型通过视觉语义推理图像拍摄位置。构建了SeekWorld数据集，包含： Train-Clue-Tracking：带详细推理过程的视觉线索追踪数据； Train-No-Process：常规样本数据。基于Qwen2.5-7B-VL-Instruct模型，利用强化学习训练出专用视觉地理定位模型SeekWord-7B。该研究旨在提升模型对图像隐含地理信息的推理能力。

摘要：文章探讨了LLM作为智能代理的应用与挑战。在RL时代需人工设定奖励函数，而LLM代理直接利用文本交互实现任务，包括观察环境、生成动作（需文本到实际动作的转换），并可通过调用工具扩展能力。研究案例显示，LLM能模拟人类行为（GenerativeAgents）和自动数据科学（AutoKaggle）。行为调整方面，通过修改输入（如报错信息）而非训练模型参数来优化输出，并引入记忆管理与反思机制（如R

LLM 生成的 POI 中未能与地图服务匹配的比例，评估 LLM 输出信息的准确性。：在生成行程中成功命中的真实行程中的 POI 占比，衡量系统理解用户请求和推荐个性化 POI 的准确性。：生成行程的总距离与通过 TSP 求得最短路径之间的平均差距（每个 POI），衡量空间优化质量。：生成路径中的自交点数量，OL 与 AM 一起衡量 POI 访问顺序的空间合理性，值越小越好。：涉及不断变化的 PO

NeurIPS 2024论文提出了一种基于大语言模型（LLM）的框架Mobility-LLM，旨在深入挖掘签到序列中的语义信息，以全面理解用户的访问意图和出行偏好。现有方法多局限于特定任务，如位置或时间预测，而Mobility-LLM通过预训练的LLM，能够从签到序列中有效提取语义，捕捉用户的短期访问意图和长期出行偏好。论文提出了访问意图记忆网络（VIMN）和人类偏好的共享提示（HTPP），分别用

《AgentMove：基于大语言模型的广义移动性预测智能体框架》摘要 针对现有深度学习模型在位置预测中的局限性（数据依赖性强、零样本能力弱、常识理解不足），本文提出首个基于LLM的智能体框架AgentMove。系统包含三大模块：1）时空记忆模块存储轨迹模式，2）外部知识模块整合地理信息，3）推理模块模拟人类决策过程。该框架创新地将智能体架构引入移动预测领域，通过模块化设计克服了传统LLM方法在轨迹

摘要：针对轨迹数据获取成本高和隐私问题，本文提出基于大语言模型(LLM)的Geo-Llama框架，用于生成满足时空约束的合成轨迹数据。传统方法存在参数配置复杂、控制能力不足等问题。Geo-Llama将轨迹表示为token序列，通过微调LLM实现可控生成。实验在GeoLife和MobilitySyn数据集上进行，比较了固定时间间隔和访问序列两种表示方式。评估显示，该方法能有效处理访问约束，生成更真实

近年来，对比学习（contrastive learning）作为一种提取有意义数据表示的有前景范式，受到了广泛关注。，已被证明能够显著提升对比学习的性能。然而，尽管这一策略在实践中非常成功，其背后的作用机制。出发，对投影头的本质进行了深入的理论研究。我们建立了一个理论框架，能够对。我们相信，这一对投影头作用的理论理解，将为未来在对比学习中的。，以提升其对无关信息的过滤能力。基于上述理论洞察，我们提

摘要：本文提出了一种新的多视图区域嵌入一致性学习框架ReCP，突破了传统"单视图表示+多视图融合"范式的局限性。ReCP通过视图内对比学习和自动编码器捕获视图特有特征，同时创新性地设计了视图间对比学习和双重预测机制，有效利用多视图间的信息一致性作为学习约束，实现知识跨视图迁移。该方法在AAAI2024会议上展示，实验验证了其有效性。

θB-θ：任务B上额外获得的能力，直接加到θA上即可但参数是加加减减的东西吗？LLM时代好像是的新模型同时有A和B能力的模型了，前提是A和B是从一个foundation mode里来的反向相减，就能失去B的能力，也即unlearning假设有ABC，而且知道D相对于C就是B相对于A的关系那么即使没有D的资料，也可以获得D的能力比如我们有一个基本的语音辨识系统ASR，和一个一般人听不懂的、有文字资料

2024 Neurips