清华大学电子工程系城市科学与计算研究中心最近提出了一种新的时空少样本学习方法，旨在解决城市计算中广泛存在的数据稀缺性问题。该方法利用了利用扩散模型来生成神经网络参数，将时空少样本学习转换为扩散模型的预训练问题，可根据prompt（提示）生成定制的神经网络，从而适应不同数据分布和城市特征。