PulseAugur
中
实时 11:50:02
English(EN) CityRiSE: Reasoning Urban Socio-Economic Status in Large Vision-Language Models via Reinforcement Learning

CityRiSE框架增强LVLMs进行城市社会经济预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了CityRiSE，一个利用强化学习来提高大型视觉语言模型（LVLMs）预测城市社会经济地位能力的新框架。该方法引导LVLMs关注相关的视觉线索，从而做出更准确、更具可解释性的预测。实验表明，CityRiSE在准确性和跨不同城市环境（包括未见过的城市和指标）的泛化能力方面均优于现有方法。 AI

影响 增强了用于城市社会经济分析的AI模型的解释性和准确性，可能有助于可持续发展工作。

排序理由 该集群描述了一篇详细介绍改进AI模型能力的新颖框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

CityRiSE框架增强LVLMs进行城市社会经济预测能力

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Tianhui Liu, Hetian Pang, Xin Zhang, Jie Feng, Pan Hui, Yong Li ·

    CityRiSE：通过强化学习在大型视觉语言模型中进行城乡社会经济地位推理

    arXiv:2510.22282v2 Announce Type: replace-cross Abstract: Urban socio-economic sensing plays a vital role in advancing global sustainable development goals. With the advent of Large Vision-Language Models (LVLMs), new opportunities have emerged to address this challenge by framin…

相关实体

相关话题