CompassLLM：面向热门路径查询的多智能体 Geo-Spatial 推理框架
人工智能
2026-05-08 v2 计算与语言
摘要
热门路径查询——从历史轨迹数据中识别之间最常访问路线——在城市规划、导航优化和旅行推荐等领域具有重要应用。虽然传统算法和机器学习方法在该领域取得了成功，但通常需要模型训练、参数调优以及数据更新时的重新训练。随着大语言模型 (LLM) 在空间和图基推理方面能力的提升，越来越多的人关注如何将这些模型应用于地理空间问题。我们介绍 CompassLLM，一个新颖的多智能体框架，智能地将 LLM 的推理能力引入地理空间领域以解决热门路径查询。CompassLLM 在两个阶段中部署其智能体：SEARCH 阶段识别热门路径，GENERATE 阶段在历史轨迹数据中不存在现有路径时合成新路径。在真实和合成数据集上的实验表明，CompassLLM 在 SEARCH 中表现出卓越的准确性，在 GENERATE 中表现出具竞争力的性能，同时成本效益高。
引用
@article{arxiv.2510.07516,
title = {CompassLLM: A Multi-Agent Approach toward Geo-Spatial Reasoning for Popular Path Query},
author = {Md. Nazmul Islam Ananto and Shamit Fatin and Mohammed Eunus Ali and Md Rizwan Parvez},
journal= {arXiv preprint arXiv:2510.07516},
year = {2026}
}