UrbanMind: 通过工具增强的检索增强生成与多层次优化迈向城市通用智能
机器学习
2025-07-08 v1 人工智能
摘要
城市通用智能（UGI）指的是AI系统在动态复杂的城市环境中自主感知、推理和行动的能力。在本文中，我们介绍了UrbanMind，一个旨在促进UGI的工具增强的检索增强生成（RAG）框架。UrbanMind的核心是一种基于持续检索增强的MoE大语言模型（C-RAG-LLM）的新型架构，该架构动态地整合领域特定知识和不断变化的城市数据，以支持长期适应性。C-RAG-LLM的架构自然地与多层次优化框架相一致，其中不同的层被视为相互依赖的子问题。每一层都有不同的目标，并且可以通过分层学习过程独立或联合优化。该框架高度灵活，支持基于资源或部署约束的端到端训练和部分逐层优化。为了在数据漂移下保持适应性，它进一步与增量语料库更新机制集成。在多种复杂度的真实世界城市任务上的评估验证了所提出框架的有效性。这项工作为在未来城市环境中实现通用型大语言模型智能体迈出了有希望的一步。
引用
@article{arxiv.2507.04706,
title = {UrbanMind: Towards Urban General Intelligence via Tool-Enhanced Retrieval-Augmented Generation and Multilevel Optimization},
author = {Kai Yang and Zelin Zhu and Chengtao Jian and Hui Ma and Shengjie Zhao and Xiaozhou Ye and Ye Ouyang},
journal= {arXiv preprint arXiv:2507.04706},
year = {2025}
}