GAS-PFN：图感知零样本交通预测模型

2026年10月28日，arXiv 人工智能板块报道，Joseph Natter 等作者提出 GAS-PFN（图感知时空先验数据拟合网络）。该模型通过随机游走扩散将采样道路拓扑纳入合成任务先验，在预训练中学习图耦合动态，从而实现无需参数更新的零样本交通预测。报道称，在六个基准的 90 分钟预测任务上，GAS-PFN 的 MSE 较前代 PFN 模型 TimePFN 平均降低 34.0%，较四个近期业界通用零样本预测器平均降低 27.7%。目前事件进展集中于该模型的提出与上述基准对比结果，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。