研究人员开发了一种新颖的三代理工作流，集成了对话式数据收集、结构化数据处理和行为预测，用于出行行为研究。该方法利用聊天机器人管理的调查来收集各种天气条件下的出行方式选择，并将所得数据通过传统模型和机器学习技术进行分析。该研究评估了九种具有不同提示策略的大型语言模型（LLM），发现结合了视觉上下文的多模态LLM实现了最高的预测准确性。 AI
影响 展示了LLM如何集成到复杂的数据收集和预测工作流中，有可能提高专业领域的准确性。
排序理由 在arXiv上发表的研究论文，详细介绍了一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- An Agentic Approach for Active Data Collection, Travel Behavior Modeling, and Weather-Sensitive Demand Prediction
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- large-language models
- logistic regression model
- Multinomial Logit Model of Pedestrian Crossing Behaviors at Signalized Intersections
- random forest
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
