DiDi Enterprise Solutions

DeepTravel框架使用RL进行自主旅行规划代理

研究人员推出DeepTravel，一个利用代理强化学习创建自主旅行规划代理的新框架。该系统旨在通过多步推理自主规划、执行工具和优化行动，克服现有手工提示方法的局限性。DeepTravel采用分层奖励系统进行验证，并采用重放增强强化学习方法来增强代理能力。在滴滴企业解决方案应用中的在线测试显示，旅行行程生成的准确率为82%，离线评估表明，即使是Qwen3-32B这样的小型模型也优于OpenAI的o1/o3和DeepSeek-R1等前沿模型。