דמיינו עיר שבה מטרו, אוטובוסים, מוניות, אופניים שיתופיים וכבישים מהירים פועלים כמערכת אחת. בפועל, כמעט כל מודל לחיזוי תנועה נבנה בשביל אמצעי תחבורה אחד, בתרחיש אחד וברזולוציית זמן אחת. כשעוברים לעיר אחרת או לסוג נסיעה אחר, צריך לפתח הכול מחדש. המצב הזה יקר, מפוצל ומקשה על פריסה רחבה. אחת הבעיות הטכניות היא שמודלים רגילים דורשים ממדי קלט קבועים, ולכן רשת מטרו עם מאות תחנות ורשת כבישים עם מאות גלאים אינן יכולות להיכנס לאותו מודל.
המאמר שואל אם אפשר לבנות מסגרת אחת שמסוגלת להתמודד עם אמצעי תחבורה רבים, עם ימי חול, סופי שבוע וחגים, ועם גדלי רשת שונים, בלי לשנות את הארכיטקטורה, ובלי לשלם על כך במחיר חישובי בלתי נשלט. החוקרים מציעים מסגרת בשם LLM-UTP, שמשלבת מודל שפה גדול עם מודולים ייעודיים לעיבוד נתוני תנועה, ומאמנת אותה בשלבים. הם בוחנים אותה על אחד עשר מערכי נתונים גדולים מעשרות ערים ואזורים, כולל מטרו, כבישים מהירים, רכבת מהירה, מוניות ואופניים. הם משווים אותה למגוון רחב של מודלים קלאסיים ומודלי שפה, ובודקים מצבי למידה עם מעט נתונים, העברה למערכים חדשים, השפעת גודל המודל, וגם חיזוי משותף של כמה אמצעי תחבורה.
האם מודל שפה הוא באמת הכלי הנכון לחיזוי תנועה, ומתי הוא מצדיק את המורכבות שלו? התשובות מפתיעות ומעמידות במבחן כמה הנחות רווחות על "יותר גדול זה יותר טוב".
