LLM框架通过个性化偏好增强公共交通路线规划

研究人员开发了ChatPlanner，一个利用大型语言模型（LLM）创建个性化公共交通路线规划的新框架。该系统采用经过微调的LLM和检索增强生成（RAG）技术，以解释自然语言查询中的用户偏好，并将其整合到路线规划算法中。实验表明，ChatPlanner能够可靠地生成可行的解决方案，微调确保了结构完整性，而RAG则提供了查询特定的上下文，以提高提取路线信息和用户偏好的准确性。 AI

影响 该框架通过更好地将自然语言理解与优化算法相结合，有望带来更以用户为中心的交通规划工具。

排序理由 该集群包含一篇详细介绍基于LLM的路线规划新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• ChatPlanner
• Hugging Face
• large-language models
• retrieval-augmented generation

• 论文
• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →