本研究介绍了LLMTrack模型，该模型利用大型语言模型（LLMs）通过单提示技术处理惯性测量单元（IMU）数据，实现零通道轨迹识别。评估结果表明，LLMTrack在室内外场景中超越了传统机器学习和深度学习模型，且无需特定数据集训练。研究表明，设计的提示能够有效分析原始传感器数据。

研究表明，GPT-3模型的零-shot推荐方法在电影推荐上优于传统模型。新框架“MEMO”通过多网络学习解决了兴趣点推荐中的关系异质性问题。大型语言模型在用户行为预测和异常检测中表现良好，且无需特定线索。LLM-Mob方法有效捕捉人类移动性依赖，GeoLLM利用地理空间信息提升预测性能，LLMTrack在轨迹识别中超越传统方法。