研究人员开发了一种方法，通过使用聚合出行统计数据（例如区域级设备数量和起点-终点（OD）流量）来指导代理行为，从而对语言模型进行微调以进行人群模拟。这种方法解决了仅有聚合数据时个体行为不确定的挑战。通过迭代地将模型的目的地分布拟合到观察到的 OD 流量，微调后的代理在来自两场棒球比赛的数据上将目的地份额误差降低了 25%，同时保持了相似的网格相关性。 AI
影响 这项研究展示了语言模型在模拟复杂人类行为方面的新颖应用，有可能改善城市规划和活动管理。
排序理由 该集群包含一篇发表在 arXiv 上的研究论文，详细介绍了一种将语言模型应用于人群模拟的新颖方法。
在 arXiv cs.MA (Multiagent) 阅读 →
- arXiv
- crowd simulation
- Distilling Aggregate Mobility Statistics into a Language Model Policy for Post-Event Crowd Simulation
- Hugging Face
- language model
- alphaXiv
- CatalyzeX
- CORE Recommender
- DagsHub
- Gotit.pub
- OD flow
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
