热点事件持续更新
研究人员提出时空多模态交通预测框架SpecLST
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月28日，研究人员在arXiv上公布了面向交通预测的频域增强长短期时空多模态建模框架SpecLST。该模型利用基于快速傅里叶变换的频域模块高效编码数周的历史依赖，并结合稀疏MoE图增强骨干网络与频域残差头，有效增强了对突发交通异常的捕捉能力。实验评估显示，在60分钟的预测跨度下，SpecLST相比8个基准模型，将MAE、RMSE和MAPE平均分别降低了14.10%、10.35%与15.78%。
AI 根据报道生成 · 4 小时前更新
最新进展10月28日 12:00
时空多模态交通预测框架SpecLST提出，60分钟预测误差相比8个基准模型显著降低。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 机器学习SpecLST：面向交通预测的频域增强长短期时空多模态建模
时空多模态交通预测框架 SpecLST 正式提出，在 60 分钟预测跨度下相比 8 个基准模型将 MAE、RMSE 和 MAPE 平均分别降低 14.10%、10.35% 与 15.78%。该模型利用基于快速傅里叶变换的频域模块高效编码数周历史依赖，并结合稀疏 MoE 图增强骨干网络与频域残差头，有效增强了对突发交通异常的捕捉能力。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28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。