目下大色哥导航，大模子不错作念私东说念主导游，为你贪图 Citywalk 阶梯了 ——
港大 MIT 等单元都集推出 ITINERA，将 LLM 与空间优化相谄媚，完结个性化的绽放域城市行程贪图。
举个栗子，用户输入“给我贪图一条包含‘豪富长’、以静安寺为额外的 citywalk 阶梯”。
ITINERA 系统立马生成了一条包含些许地方的阶梯，并提供了相应的先容文本。甚而“适应情侣一齐去的酒吧”“二次元圣地”“路过网红打卡点”这么的个性化需求，ITINERA 也不错相连和隆盛。
领先，User-owned POI Database Construction（UPC）模块从酬酢平台上的旅游内容中网络、构建用户兴趣点数据库。
为了贪图相宜用户申请的行程，Request Decomposition（RD）模块对用户的偏好进行解读和整理，调整为结构化的数据体式。
Preference-aware POI Retrieval（PPR）模块将会把柄用户偏好进行检索，获取最关系的些许个兴趣点。
为了确保行程在空间上连贯，作家吸收了 Cluster-aware Spatial Optimization（CSO）模块，通过搞定分层旅行商问题来空间过滤和胪列检索的兴趣点。
临了，Itinerary Generation（IG）模块将候选兴趣点集与多个持续相谄媚，使用大模子生成既空间合理又相宜用户申请的旅行阶梯及关系面目。
旨趣摸清了，ITINERA 骨子阐扬如何呢?
为了搞清这个问题，作家网络了来自四个城市的旅行行程数据集，包括用户申请、相应的城市行程阶梯以及扫视的兴趣点（POI）数据。
通过 POI 的调回率（RR）、总路程与表面最短旅途的差值（AM）、阶梯中的交叉点个数（OL）、未知 POI 比例（FR）等客不雅标的，评测个性化推选 POI 的准确度、与用户申请的匹配度，以及生成阶梯的空间合理度。
甚而为了搞定兴趣点勾引力、用户申请匹配度等方面无法量化的问题，作家还吸收了 LLM 自动评估 POI 的质地、阶梯的质地、行程和用户申请的匹配进度。
不错看到，与 GPT-3.5、GPT-4 和 GPT-4 CoT 等其他按序比拟， ITINERA 系统在整个标的上均阐扬更好。
SEWUYUE
在用户和行家评估的 POI 质地（POI Quality）、行程质地（Itinerary Quality）和匹配度（Match）方面，ITINERA 系统也赢得了更高的评分。
总体来说大色哥导航，ITINERA 不祥从当然话语申请径直生成个性化、空间连贯的 citywalk 行程，不仅沟通了大模子期间的绽放域行程贪图问题，还提供了在城市应用中愚弄大模子搞定复杂空间关系问题的想路。