大型语言模型作为城市居民：用于个人移动性生成的 LLM 智能体框架
人工智能
2024-10-29 v3 计算与语言
计算机与社会
机器学习
摘要
本文介绍了一种新颖的方法，将大型语言模型（LLM）集成到智能体框架中，以实现灵活有效的个人移动性生成。LLM 通过有效处理语义数据并在建模各种任务方面提供多功能性，克服了先前模型的局限性。我们的方法解决了三个研究问题：将 LLM 与现实世界的城市移动性数据对齐，开发可靠的活动生成策略，以及探索 LLM 在城市移动性中的应用。关键的技术贡献是一个新颖的 LLM 智能体框架，该框架考虑了个体的活动模式和动机，包括用于将 LLM 与现实世界活动数据对齐的自洽性方法，以及用于可解释活动生成的检索增强策略。我们评估了我们的 LLM 智能体框架，并将其与最先进的个人移动性生成方法进行了比较，证明了我们方法的有效性及其在城市移动性中的潜在应用。总体而言，这项研究标志着基于现实世界人类活动数据设计用于活动生成的 LLM 智能体框架的开创性工作，为城市移动性分析提供了一个有前景的工具。
引用
@article{arxiv.2402.14744,
title = {Large Language Models as Urban Residents: An LLM Agent Framework for Personal Mobility Generation},
author = {Jiawei Wang and Renhe Jiang and Chuang Yang and Zengqing Wu and Makoto Onizuka and Ryosuke Shibasaki and Noboru Koshizuka and Chuan Xiao},
journal= {arXiv preprint arXiv:2402.14744},
year = {2024}
}
备注
NeurIPS 2024. Source codes are available at https://github.com/Wangjw6/LLMob/