Large Language Models as Urban Residents: An LLM Agent Framework for Personal Mobility Generation

本文是LLM系列文章，针对《Large Language Models as Urban Residents: An LLM Agent Framework for Personal Mobility Generation》的翻译。

摘要

本文介绍了一种新的方法，将大型语言模型（LLM）集成到代理框架中，以实现灵活高效的个人移动性生成。LLM通过有效地处理语义数据并在建模各种任务时提供多功能性，克服了以前模型的局限性。我们的方法解决了将LLM与现实世界的城市流动数据相一致的关键需求，重点关注三个研究问题：将LLM和丰富的活动数据相一致，制定可靠的活动生成策略，以及探索LLM在城市流动中的应用。关键的技术贡献是一种新的LLM代理框架，该框架考虑了个人的活动模式和动机，包括将LLM与现实世界的活动数据相一致的自一致性方法，以及用于可解释活动生成的检索增强策略。在实验研究中，使用真实世界的数据进行全面验证。这项研究标志着基于真实世界的人类活动数据设计用于活动生成的LLM代理框架的开创性工作，为城市流动性分析提供了一个很有前途的工具。

1 引言

2 相关工作

3 问题描述

4 方法

5 实验

6 结论

贡献。这项研究被认为是LLM在真实世界数据上首次授权的城市流动性模拟。我们的创新框架利用活动模式和动机来指导LLM代理模仿城市居民，促进生成可解释和高效的个人活动轨迹。基于真实世界的数据进行了广泛的实验研究，以验证所提出的框架。进一步的探索证明了LLM在改善城市流动管