评估大语言模型在表示与理解运动轨迹方面的有效性
计算与语言
2024-09-04 v1 人工智能
机器学习
摘要
本研究侧重于评估AI基础模型在表示运动轨迹方面的能力。我们利用一种大语言模型(LLM)（即GPT-J）对轨迹的字符串格式进行编码，然后评估基于LLM的表示在轨迹数据分析中的有效性。实验表明，虽然基于LLM的嵌入可以保留某些轨迹距离度量（即，从GPT-J嵌入导出的余弦距离与原始轨迹上的Hausdorff距离和动态时间规整距离之间的相关系数超过0.74），但在运动轨迹分析中恢复数值和检索空间邻居方面仍然存在挑战。此外，LLM能够理解轨迹中包含的时空依赖性，并在位置预测任务中具有良好的准确性。这项研究强调了在捕捉底层地理空间数据的细微差别和复杂性以及整合领域知识以支持使用LLM的各种GeoAI应用方面需要改进。
引用
@article{arxiv.2409.00335,
title = {Evaluating the Effectiveness of Large Language Models in Representing and Understanding Movement Trajectories},
author = {Yuhan Ji and Song Gao},
journal= {arXiv preprint arXiv:2409.00335},
year = {2024}
}
备注
7 pages, 3 figures