该研究提出了一种基于大语言模型的调度机制，旨在提高时空序列预测中的神经架构搜索效率。通过多层次增强，该方法有效平衡了探索与优化阶段，显著提升了架构搜索效果。

该文综述时空序列预测（STSF）研究，比较其子类别与两大挑战，提出机器学习方案及未来方向。内容涵盖多步预测策略、多输出模型集成、MIMO与M-SVR、微分模糊卷积网络、生成模型动态高斯混合、分数差分结合情感分析等，强调多输出策略、季节性消除和输入变量选择对提升预测精度的重要性。