RETAIL：面向大语言模型的现实世界旅行规划
人工智能
2025-08-22 v1
摘要
尽管大语言模型增强了自动化旅行规划能力，但当前系统仍与现实世界场景不一致。首先，它们假设用户提供显式查询，而现实中需求往往是隐式的。其次，现有解决方案忽略了多样的环境因素和用户偏好，限制了计划的可行性。第三，系统只能生成具有基本兴趣点（POI）安排的计划，无法提供包含丰富细节的一体化计划。为了缓解这些挑战，我们构建了一个新的数据集\textbf{RETAIL}，它支持隐式查询的决策制定，同时覆盖显式查询，两者都包含有修订需求和无修订需求的情况。它还支持环境感知，以确保计划在现实世界场景下的可行性，同时整合详细的POI信息以生成一体化旅行计划。此外，我们提出了一个主题引导的多智能体框架，称为TGMA。我们的实验表明，即使是最强大的现有模型也仅能达到1.0%的通过率，这表明现实世界的旅行规划仍然极具挑战性。相比之下，TGMA展现出显著提升的性能2.72%，为现实世界的旅行规划提供了有前景的方向。
引用
@article{arxiv.2508.15335,
title = {RETAIL: Towards Real-world Travel Planning for Large Language Models},
author = {Bin Deng and Yizhe Feng and Zeming Liu and Qing Wei and Xiangrong Zhu and Shuai Chen and Yuanfang Guo and Yunhong Wang},
journal= {arXiv preprint arXiv:2508.15335},
year = {2025}
}