面向受限旅行的层次化多智能体规划：HiMAP-Travel
人工智能
2026-03-06 v1 计算与语言
摘要
顺序型 LLM 智能体在面对预算和多样性要求等硬性约束的长程规划时会失败。随着规划进程的推进和上下文的增长，这些智能体会偏离全局约束。我们提出 HiMAP-Travel，一种层次化多智能体框架，将规划分为战略协调与平行日级执行两个阶段。协调器在日程之间分配资源，而日级执行者可独立平行规划。以下三个关键机制使之成为可能：事务性监控器在平行智能体之间强制执行预算和唯一性约束、议价协议允许智能体拒绝不可行的子目标并触发重新规划、以及通过角色条件化驱动全部智能体的单一策略。我们在 TravelPlanner 上对 HiMAP-Travel 采用 Qwen3-8B，实现了 52.78% 的验证准确率和 52.65% 的测试最终通过率（FPR）。在与相同模型、相同训练方式和相同工具的受控比较中，它相较于顺序 DeepTravel baseline 提升了 +8.67 个百分点，还优于 ATLAS 提升了 +17.65 个百分点，优于 MTP 提升了 +10.0 个百分点。在 FlexTravelBench 多轮情景中，它实现了 44.34%（2 轮）和 37.42%（3 轮）FPR，同时通过平行化将延迟缩短了 2.5 倍。
引用
@article{arxiv.2603.04750,
title = {HiMAP-Travel: Hierarchical Multi-Agent Planning for Long-Horizon Constrained Travel},
author = {The Viet Bui and Wenjun Li and Yong Liu},
journal= {arXiv preprint arXiv:2603.04750},
year = {2026}
}
备注
33 pages, v1