Motivation
- 目前的大多数方法都基于大量的标签数据进行训练，然后在一些的城市场景内的数据存在缺失性，我们需要构建一个泛化性强的时空大模型来进行优化流量，减少拥堵，提高移动性
- 目前的模型，如llama对于复杂的时空关系难以处理，对于baseline model, 他很容易出现overfit 在zero-shot 场景
- 文章通过将时空依赖编码器（spatio-temporal dependency encoder）与指令调优范式（instruction-tuning paradigm）无缝集成来实现将时空上下文与LLMs对齐。
example
