本文提出了一种具有遗忘门的分层门控递归神经网络（HGRN）模型，能够有效建模长期和短期依赖关系。实验结果表明，该模型在语言建模和图像分类任务中表现优异。此外，研究还介绍了多种高效的神经网络架构，如基于门控线性递归的模型和图形回归注意力网络，均在资源受限环境中实现了高效性能。

本文介绍了利用大型语言模型（LLM）进行人类移动性预测的潜力。通过引入LLM-Mob方法，研究提出了历史停留和上下文停留的概念，捕捉人类移动性中的长期和短期依赖，并通过使用预测目标的时间信息实现时间感知预测。全面评估结果表明，LLM-Mob在提供准确可解释预测方面表现出色，突显了LLM在推进人类移动性预测技术上的未开发潜力。