已开发出一个名为 PLA 的新框架，用于生成个性化的设备端旅行行程。该框架解决了在移动部署限制下平衡组合可行性与主观旅行者偏好的挑战。PLA 采用三阶段流程：使用轻量级集成进行计划，从用户比较中学习奖励模型，并通过保持可行性的改进来调整行程。在测试中，PLA 在人类比较中取得了 67.8% 的胜率，并在生产部署中显著提高了行程完成率，而 GPT-5、Claude Opus 4.5 和 Gemini 3 Pro 等主要 LLM 未能满足可行性要求。 AI
影响 该框架为设备端 AI 应用提供了一种新颖的方法，在针对特定任务的性能和可行性方面优于通用 LLM。
排序理由 详细介绍新框架及其性能评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
