11 月 19 日公开的一项预印本研究,语言模型安排旅行时,怎样同时顾及预算、行程衔接和个人偏好。团队建立分层系统,由一个对话智能体协调不同模块,分别负责梳理用户问题、获取外部信息、生成行程和核对日程,再依照确定的评分规则反复修改初稿。
在 TravelPlanner 基准上,作者把“完整通过”定义为行程格式有效,而且常识约束及适用的硬性条件全部通过。只加入预算修正的实验中,完整通过率从 25% 升至 35%,但逐条计算的常识约束通过率同时下降。在另一项涵盖全部约束的实验里,完整通过率从 20% 升到 45%。两组各有自己的初始对照。
个性化另行评分。研究让三名人员对 100 份行程按五分制独立评分,再与 GPT-4o 对同一批材料的判断比较。这样可以把“满足硬条件”和“符合某人的偏好”分开考察。文中数字都是规划基准上的结果,不代表实际旅行中的订票成功率。
arXiv · 论文摘要及版本 · arXiv · 论文全文
配图为 GETAI.APP 使用 ImageGen 生成的主题插画。
