研究：社会人口属性对LLM下一位置预测无显著增益
Get the story
该事件围绕一项探讨个人信息能否提升基于大语言模型（LLM）的下一位置预测效果的研究。最新报道（2026-10-09，arXiv Computers and Society，一手研究）披露了研究设计：研究收集了5,000名深圳居民的关联社会人口记录与移动轨迹，在1,000组配对预测任务中，让模型对100个候选目的地进行排序；主模型采用GPT-5，并用GPT-5.5与Claude Opus 4.6进行复现。报道仅说明了数据规模、实验设置与所用模型，未给出具体预测准确率或社会人口属性是否带来增益的量化结论。事件标题所提“无显著增益”的结论在本次报道中未见相应数据支撑，需以后续披露的实验结果为准。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computers and Society哪些个人信息能提升基于 LLM 的下一位置预测？
研究用 5,000 名深圳居民的关联社会人口记录与移动轨迹，在 1,000 组配对预测中让模型对 100 个候选目的地排序，主模型为 GPT-5，并用 GPT-5.5 与 Claude Opus 4.6 复现。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.