TravelPlanner
PulseAugur coverage of TravelPlanner — every cluster mentioning TravelPlanner across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的IntentDelta基准揭示AI代理难以应对不断变化的用户需求
研究人员推出了IntentDelta，这是一个新的基准，旨在评估语言模型代理在复杂任务中适应不断变化的用户意图的能力。该基准包含WebShop和TravelPlanner环境中的638个轨迹和3,766个回合，评估代理恢复用户意图和执行适当操作的能力。目前代理在TravelPlanner中的平均意图恢复率为33.1%，在WebShop中为44.7%，在区分硬性约束和软性偏好以及将恢复的意图转化为成功的任务执行方面面临重大挑战。
-
新的MOAE方法跨多个目标优化LLM代理
研究人员推出了一种新方法，称为多目标代理进化（MOAE），用于同时优化基于LLM的代理的多个标准。与将各种指标合并为单一分数的方法不同，MOAE采用了一种保持帕累托最优的进化搜索。该方法维护了一组非支配的代理候选者，允许在任务完成、交互质量、安全性和效率之间进行权衡，而无需过早地确定特定权重。在TravelPlanner和AgentDojo上的实验表明，MOAE能够在保持安全性的同时提高任务性能和轨迹质量，从而扩展了可实现的目标区域。
-
新的UTP-Bench基准测试LLM在不确定性下的旅行规划能力
研究人员推出UTP-Bench，这是一个新的基准，旨在评估大型语言模型在不确定条件下生成旅行行程的鲁棒性。与假设确定性环境的先前基准不同，UTP-Bench整合了来自印度的真实旅行数据，包括经验性延迟分布和人群模式。它提出了三个新指标——缓冲充分性得分、人群感知计时得分和交通延迟吸收得分——来量化生成计划在处理交通延迟和人群可变性方面的表现。使用GPT-5、Qwen3、Mistral和Phi-4等模型的实验揭示了AI生成计划与人类编写…
-
新的Behavior2Trip基准挑战AI在个性化旅行规划方面的能力
研究人员推出了Behavior2Trip (B2T)，这是一个新的基准和代理，通过分析用户行为轨迹来实现个性化旅行规划。与依赖明确指令的现有方法不同，B2T从过去的行动中推断偏好，减轻了用户交互负担。该基准源自一个大型中国旅行平台，包含11,400个用户行为实例。实验表明，使用Qwen3_8B构建的B2T-Agent在具有挑战性的旅行规划任务上显著优于包括GPT-4.1在内的基线模型，并展现出强大的泛化能力。
-
新的SCOPE框架提高了LLM多约束规划的效率
研究人员开发了一个名为SCOPE（Scalable COde Planning Engine）的新框架，以改进大型语言模型的多约束规划。SCOPE将推理与代码执行分离，允许更一致、确定性和可重用的求解器函数。这种方法显著提高了性能，在TravelPlanner基准测试中，使用GPT-4o的成功率达到了93.1%，比以前的方法提高了61.6%。该框架还降低了推理成本和延迟。
-
Behavior Forest 方法通过解耦任务和约束来增强 LLM 旅行规划能力
研究人员引入了一种名为 Behavior Forest 的新方法，以提高复杂旅行规划任务的效率和有效性。该方法将决策过程构建成一个并行行为树森林，每棵树处理一个特定的子任务。大型语言模型集成在这些树中，以根据特定任务的约束执行本地化推理，而全局协调机制则管理树之间的交互。这种任务和约束的解耦使得推理更易于管理，并在旅行规划基准测试中显示出显著的性能提升。