大语言模型作为送货骑手：LLM 智能体框架生成即时食品配送骑手的路由决策
物理与社会
2026-03-16 v1
摘要
利用大语言模型（LLMs）为人类智能体提供动力已在模拟个体 mobility pattern 方面显示出巨大的潜力。然而，在动态和互动系统中建模一组代理且使其采取战略路由决策以响应 mobility-specific 任务之间仍存在显著鸿沟。为弥合这一鸿沟，我们引入 LLM-DR，一个专为模拟即时配送任务场景下骑手异构决策而设计的智能体框架。我们的框架基于两个原则：1）以经验为依据的persona，我们对大规模真实轨迹数据集进行无监督聚类，识别出四种 distinct rider work strategies；2）基于推理的路由过程，每个persona 作为一个 LLM 智能体，采用结构化的链式思维（CoT）过程进行人类化路由选择。该框架 enables 构建高保真仿真，以 investigate 战略 workforce composition 对 mobility pattern system-level outcome 的影响。我们在真实世界的即时配送订单数据集上对 our framework 进行了验证，展示了其在交互式市场情景中建模复杂骑手行为的能力。这一工作为由 LLM 赋能的 agentic mobility system 提供了开创性发现。
引用
@article{arxiv.2603.12559,
title = {Large Language Models as Delivery Rider: Generating Instant Food Delivery Riders' Routing Decision with LLM Agent Framework},
author = {Chengbo Zhang and Zuopeng Xiao},
journal= {arXiv preprint arXiv:2603.12559},
year = {2026}
}
备注
Proceedings of the 3rd International Conference on Urban Science and Intelligence