利用LLM代理与个体档案生成更真实的旅行日记
计算机与社会
2024-08-06 v2 人工智能
摘要
人类 mobility 与社会问题密切相关，如交通拥堵、能源消耗和公共卫生问题；然而，隐私 concerns 限制了对 mobility 数据的获取。最近的研究利用大语言模型（LLMs）进行人类 mobility 生成，其中挑战在于如何让LLMs理解个体之间的 mobility 行为差异，以生成符合真实世界情境的真实轨迹。本研究通过构建一种LLM代理框架（MobAgent），包含两个阶段：理解驱动的 mobility 模式提取和推理驱动的轨迹生成，来解决此问题，从而在考虑不同个体档案的情况下，生成更真实的旅行日记。MobAgent提取特定 mobility 趋势背后的原因和属性影响，以提供可靠的模式；推断情境因素与 underlying 动机之间的关系；并基于这些模式和递归推理过程，最终生成更具真实性和个性化的 mobility，反映个体差异和真实世界约束。我们使用 20 万份旅行调查数据对该框架进行验证，表明其在生成个性化且准确的旅行日记方面有效。该研究突显了LLMs通过真实世界 mobility 数据提供细致且深入理解人类 mobility 的能力。
引用
@article{arxiv.2407.18932,
title = {Be More Real: Travel Diary Generation Using LLM Agents and Individual Profiles},
author = {Xuchuan Li and Fei Huang and Jianrong Lv and Zhixiong Xiao and Guolong Li and Yang Yue},
journal= {arXiv preprint arXiv:2407.18932},
year = {2024}
}