UniST 是一个通用模型，具备强大的城市时空预测能力，尤其在少样本和零样本情况下表现优越。研究提出的 UniTabE 方法提升了表格数据处理效果。UniTraj 框架通过扩大数据规模提高了车辆轨迹预测性能。UniTE 框架在机器翻译质量评估中展现了显著的泛化能力。UniTR 网络处理多传感器数据，提升了自动驾驶系统的感知准确性。

本文介绍了UUKG，一种用于城市时空预测的知识图谱数据集。通过构建UrbanKGs并分析高阶结构模式，文章实现了对城市空间时间预测的知识增强。数据集和源代码可在指定链接获取。