TourPlanner：基于约束门控强化学习的竞争性共识旅行规划框架
人工智能
2026-01-09 v1 计算与语言
机器学习
摘要
旅行规划是一个复杂的决策过程，需要综合多方面的信息来构建行程。然而，现有的旅行规划方法面临几个挑战：（1）在修剪候选兴趣点（POI）的同时保持高召回率；（2）单一推理路径限制了旅行规划可行解空间内的探索能力；（3）同时优化硬约束和软约束仍然是一个重大难题。为了应对这些挑战，我们提出了 TourPlanner，这是一个具有多路径推理和约束门控强化学习特性的综合框架。具体而言，我们首先引入了个性化召回与空间优化（PReSO）工作流，以构建空间感知的候选 POI 集合。随后，我们提出了竞争性共识思维链（CCoT），这是一种多路径推理范式，可提高探索可行解空间的能力。为了进一步完善计划，我们将基于 sigmoid 的门控机制整合到强化学习阶段，该机制仅在满足硬约束后动态地优先考虑软约束的满足。在旅行规划基准上的实验结果表明，TourPlanner 实现了 SOTA 性能，在可行性和用户偏好对齐方面均显著优于现有方法。
引用
@article{arxiv.2601.04698,
title = {TourPlanner: A Competitive Consensus Framework with Constraint-Gated Reinforcement Learning for Travel Planning},
author = {Yinuo Wang and Mining Tan and Wenxiang Jiao and Xiaoxi Li and Hao Wang and Xuanyu Zhang and Yuan Lu and Weiming Dong},
journal= {arXiv preprint arXiv:2601.04698},
year = {2026}
}