Gao Cong

UrbanLLM facilita la gestión urbana al desglosar consultas complicadas sobre la ciudad.

Presentando un modelo que mejora la precisión de las predicciones para datos de series temporales.

Explorando el impacto del aprendizaje auto-supervisado en el análisis de datos geoespaciales.

CAMAL combina aprendizaje automático y métodos tradicionales para optimizar el rendimiento del árbol LSM.