本文提出了一种基于任务的地理适应预训练语言模型GeoLLM，结合语言建模与地理预测，显著提升地理信息相关任务的表现。研究表明，大型语言模型在交通预测和空间数据分析等地理空间任务中具有优越的性能和鲁棒性。多模态模型评估显示，闭源模型表现更佳，开源模型经过微调后也能达到相似效果。

本研究探讨了基于大型语言模型的自主地理信息系统（Autonomous GIS），通过自动化空间数据的收集与分析，提高空间分析效率。同时分析了地理人工智能（GeoAI）在测绘学中的应用及其伦理挑战，呼吁跨学科合作以推动GeoAI的发展。实验评估了生成型AI在地理数据处理中的能力，发现其在某些任务上优于人类，但仍存在局限。

MapGPT是一种结合了大型语言模型和空间数据处理技术的方法，用于提高自然语言理解和空间数据分析的准确性和上下文意识。该研究探讨了生成空间向量表示的挑战和MapGPT的计算能力，以进行地理空间计算和可视化输出。MapGPT在自然语言处理应用中具有增强空间数据理解和生成的潜力。