我们推出移动嵌入兴趣点（ME-POIs），这是一个动态的、基于移动数据的框架，使AI模型能够理解地点随时间变化的活动节奏，显著提升对营业时间、价格水平和繁忙程度等真实世界属性的预测能力。虽然像Gemini这样世界一流的语言模型擅长处理文本，但通过融入城市环境的真实功能动态，可以丰富其地理空间表示。

ME-POIs并不将地点视为一组固定的词语，而是采用自监督方法，将文本描述与来自公开基准的大规模匿名移动模式相融合。三步流水线——到访对齐、空间多尺度到访传播以及文本-移动协同——将原始地理点转换为同时编码地点身份和动态功能的数学签名。该框架还通过在多个空间尺度上，将繁忙且数据丰富的邻近区域的聚合到访模式统计性地迁移到附近数据稀疏的地点，从而解决数据稀疏性的“长尾”问题。

将ME-POIs与先进的文本模型集成后，在对未见过的地点预测到访意图方面实现了高达81.9%的相对提升，价格水平分类提升了75.1%，繁忙程度估计准确率提高了24.7%。在两个文化迥异的大都市区进行的广泛测试证实，加入真实世界的移动数据能带来显著的“上下文优势”。

关键实体：公司：Google | 地点：洛杉矶、休斯顿