研究人员开发了一种新颖的多智能体系统，利用大型语言模型（LLMs）来改进人类出行预测。该框架将预测任务分解为三个智能体：一个用于提取出行模式，一个用于整合空间推理和约束，第三个用于综合决策。在纽约市数据集上的实验表明，与基线方法相比，Hit@1的提升高达493%，Hit@5的相对提升为37%。 AI
影响 这项研究展示了一种将空间推理整合到基于LLM的出行预测中的新颖方法，有望改进基于位置的服务和城市规划。
排序理由 该集群描述了一篇研究论文，详细介绍了一种使用基于LLM的多智能体系统进行人类出行预测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
- Decision Synthesis Agent
- Hit@1
- Hit@5
- Human Mobility Prediction Based on Social Media with Complex Event Processing
- multi-agent system
- New York City
- Pattern Extraction Agent
- Spatial Reasoning Agent
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
