实体
TravelPlanner
TravelPlanner
PulseAugur coverage of TravelPlanner — every cluster mentioning TravelPlanner across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
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。