本文是LLM系列文章,针对《Synergizing Spatial Optimization with Large Language Models for Open-Domain Urban Itinerary Planning》的翻译。
摘要
在本文中,我们首次提出了城市步行的开放域城市行程规划(OUIP)任务,该任务直接根据自然语言描述的用户请求生成行程。OUIP不同于传统的行程规划,后者限制了用户表达更详细的需求,阻碍了真正的个性化。最近,大型语言模型(LLM)在处理各种任务方面显示出了潜力。然而,由于非实时信息、知识不完整和空间意识不足,他们无法在OUIP中独立提供令人满意的用户体验。有鉴于此,我们介绍了ItiNera,这是一个OUIP系统,它将空间优化与大型语言模型(LLM)协同起来,提供基于用户需求定制城市行程的服务。具体来说,我们开发了一个基于LLM的管道,用于提取和更新POI特征,以创建用户拥有的个性化POI数据库。对于每个用户请求,我们利用LLM与基于嵌入的模块合作,从用户的POI数据库中检索候选POI。然后,使用空间优化模块对这些POI进行排序,然后LLM制定个性化的、空间连贯的行程。据我们所知,这项研究标志着LLM首次集成以创新行程规划解决方案。在离线数据集和在线主观评估上进行的大量实验表