研究人员开发了 DGLight，一个用于微调大型语言模型以进行交通信号控制的新框架。该方法利用深度 Q 网络批评者来指导优化过程，使模型能够生成可解释的推理轨迹以及信号决策。在济南和杭州进行的实验表明，DGLight 在与其他基于 LLM 的控制器相比时表现更优，并且与已有的强化学习方法相比具有竞争力，同时还表现出良好的迁移到新城市数据集的能力。 AI
影响 引入了一种将 LLM 应用于现实世界控制问题的新方法，有可能改善城市交通管理。
排序理由 学术论文，介绍了一种将 LLM 应用于交通信号控制的新框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.25259v1 Announce Type: new Abstract: Traffic signal control (TSC) plays a central role in reducing congestion and maintaining urban mobility. This dissertation introduces DGLight, a critic-guided reinforcement-learning framework for adapting a pretrained large language…
Traffic signal control (TSC) plays a central role in reducing congestion and maintaining urban mobility. This dissertation introduces DGLight, a critic-guided reinforcement-learning framework for adapting a pretrained large language model to TSC. DGLight first trains a CoLight-ba…