热点事件持续更新

学者提出利用LLM辅助正则化提升人口迁移流预测精度

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

2026年10月，一项发表于arXiv的研究探讨了在低数据场景下利用大语言模型（LLM）提升人口迁移流预测准确率的方法。该研究提出通过LLM从新闻中提取推拉信号，并结合加权Lasso正则化惩罚进行预测优化。实验结果显示，墨西哥通道结合推拉比取得了17.15%的MAPE，Direct LLM-Lasso在叙利亚通道取得29.29%，LLM辅助正则化在乌克兰通道取得41.05%。结果表明，该方法在特定条件下能提升人口迁移流的预测精度，但其实际效果显著受通道自身特征和新闻量的影响。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月7日

12:00
arXiv 机器学习
LLM 辅助正则化能否提高低数据场景下的人口迁移流预测准确率？
一项研究提出利用 LLM 从新闻提取推拉信号，并通过加权 Lasso 正则化惩罚改进人口迁移流预测。实验显示，墨西哥通道结合推拉比取得 17.15% 的 MAPE，Direct LLM-Lasso 在叙利亚通道取得 29.29%，LLM 辅助正则化在乌克兰通道取得 41.05%。结果表明该方法在特定条件下能提升预测精度，但受通道特征和新闻量显著影响。

本事件热度走势

当前热度 9·可比范围峰值 10（10月7日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。