PulseAugur
中
实时 10:53:33
English(EN) UrbanWell: Benchmarking Multimodal Large Language Models for Spatio-Temporal Urban Wellbeing Analytics

新基准UrbanWell测试MLLMs在城市福祉时空分析能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了UrbanWell，这是一个旨在评估多模态大语言模型（MLLMs）在城市福祉分析中的时空推理能力的新基准。该基准整合了多种数据，包括卫星和街景图像、环境条件、空间可达性、城市形态、活力以及跨越多年、覆盖38个城市的居民主观感知。UrbanWell还包括预测未来值和分类时间趋势的任务，为全面评估MLLMs在理解复杂城市动态方面的表现提供了依据。 AI

影响 为评估MLLMs在复杂城市分析领域建立了新标准，有望推动AI在理解和改善城市环境能力方面的进步。

排序理由 该集群包含一篇介绍新AI模型评估基准的研究论文。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yanxin Xi, Xiang Su, Jie Feng, Yu Liu, Sasu Tarkoma, Pan Hui ·

    UrbanWell: Benchmarking Multimodal Large Language Models for Spatio-Temporal Urban Wellbeing Analytics

    arXiv:2606.15890v1 Announce Type: new Abstract: Understanding urban wellbeing from multimodal data requires integrating heterogeneous spatial and temporal signals, posing significant challenges for current multimodal large language models (MLLMs). We introduce UrbanWell, a large-…

相关实体

相关话题