TRIP-PAL：结合大语言模型与自动规划器的有保障旅行规划
人工智能
2024-06-17 v1
摘要
旅行规划是一项复杂的任务，涉及生成一系列与访问地点相关的行动，同时满足约束并最大化某些用户满意度标准。传统方法依赖于以特定形式语言进行问题表述，从网络来源提取相关旅行信息，并使用适当的问题求解器生成有效解。作为替代方案，近期基于大语言模型（LLM）的方法直接从用户请求中使用语言输出计划。尽管LLM拥有广泛的旅行领域知识并能提供兴趣点和潜在路线等高层信息，但当前最先进的模型通常生成的计划缺乏连贯性，无法完全满足约束，且不能保证生成高质量的解。我们提出TRIP-PAL，一种结合LLM和自动规划器优势的混合方法，其中：(i) LLM获取并将旅行信息和用户信息转换为可输入规划器的数据结构；(ii) 自动规划器生成保证满足约束并优化用户效用的旅行计划。我们在各种旅行场景下的实验表明，TRIP-PAL在生成旅行计划方面优于LLM。
引用
@article{arxiv.2406.10196,
title = {TRIP-PAL: Travel Planning with Guarantees by Combining Large Language Models and Automated Planners},
author = {Tomas de la Rosa and Sriram Gopalakrishnan and Alberto Pozanco and Zhen Zeng and Daniel Borrajo},
journal= {arXiv preprint arXiv:2406.10196},
year = {2024}
}
备注
9 pages, 5 figures