紧凑开源模型恢复不完整航空轨迹的受控评估

2026年10月20日，arXiv Artificial Intelligence 刊出 Hsuan-Chih Wang 与 Xianfeng Terry Yang 的受控评估研究，考察紧凑型、本地部署的开源权重大语言模型能否从不完整轨迹中恢复缺失的出行信息。研究以航空行程为受控测试场景，选取30条高置信度航空行程作为测试对象，按移除起点机场附近观测、移除终点机场附近观测、同时移除两者附近观测三种方式构造不完整轨迹条件，并进一步检验更明确的提示词能否弥补端点证据缺失带来的影响。报道未给出模型在这些条件下的具体恢复准确率、对比结果或提示词效果的量化结论，也未说明所涉模型的具体名称、参数规模与部署环境。目前该事件仅有这一篇主报道，尚无跟进报道，研究结论与细节有待后续披露。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。