CityVerse: A Unified Data Platform for Multi-Task Urban Computing with Large Language Models

一、文章主要内容总结

该研究针对大型语言模型（LLMs）在城市计算多任务评估中面临的数据访问不统一、任务定义碎片化、动态评估缺失三大核心挑战，提出了首个统一平台CityVerse。该平台以“时空坐标”为核心纽带，构建三层架构（统一城市数据层、四级任务分类层、可视化交互层），整合多源城市数据、标准化任务体系与动态仿真能力，为LLMs在城市计算领域的系统化、可复现评估提供基础支撑。

具体内容包括：

1. 数据层：通过坐标化Data APIs整合10类城市数据（地理、交通、人口统计、环境等），涵盖3800多万条经过整理的记录，支持跨城市、多源数据的统一检索，无需人工整合。
2. 任务层：构建四级认知能力任务分类体系（感知、空间理解、推理与预测、决策与交互），涵盖43个城市计算任务，制定标准化输入/输出规范与评估指标，实现公平的跨模型对比。
3. 可视化与交互层：提供交互式Web前端，支持实时数据检索、多层级展示、仿真回放（如交通流模拟），助力直观探索与验证模型输出。
4. 验证与应用：基于纽约市数据配置，对7款主流多模态LLMs（如VILA-1.5、LLaVA-1.6、InternVL2）进行评估，揭示了模型在不同认知层级任务中的能力差异，验证了平台的有效性。

二、文章创新点

1. 首个统一化城市计算平台<