本研究分析了时空图神经网络在长期交通预测中的适应性不足，提出了一种基于主成分分析的嵌入方法，以提高模型的灵活性和跨城市的零-shot预测能力。

本研究提出生成价值学习（GVL），用于智能机器人在不同任务中预测时间进度。GVL利用视觉语言模型的知识，能够有效进行零-shot和少-shot价值预测，显著提升300多个现实任务的预测性能。