研究人员开发了CityBehavEx，一个旨在提高大模型辅助城市模拟的可扩展性和实证验证的新平台。与以往为每个代理行为调用大模型的模拟器不同，CityBehavEx采用了一种混合方法，结合了成熟的人类移动模型和微调的交叉编码器。这种方法能够进行大规模模拟，例如在一小时内在单个消费级GPU上模拟75天内10万个代理的行为，同时还允许用户检查代理行为并将生成的例程与真实世界数据进行验证。 AI
影响 使用大模型实现更高效、经过验证的大规模城市模拟。
排序理由 该集群描述了一个在arXiv上发布的新研究平台和论文。
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.12086v1 Announce Type: new Abstract: Recent LLM-based multi-agent urban simulators can generate semantically rich city routines, but they remain costly to scale and are often weakly validated against empirical mobility patterns. We present CityBehavEx, an interactive L…
Recent LLM-based multi-agent urban simulators can generate semantically rich city routines, but they remain costly to scale and are often weakly validated against empirical mobility patterns. We present CityBehavEx, an interactive LLM-assisted urban simulation platform that scale…