Apr, 2024

大型语言模型用于合成参与式规划共享自动化电动出行系统

PDF
TL;DR通过批判性利用大型语言模型（LLM）创建数字化代表不同利益相关者来规划共享自动化电动出行系统（SAEMS）的合成参与方法，本文介绍了一个在快速演变的移动技术多利益相关者环境中释放协同效应以解决城市交通问题的新方法。通过蒙特利尔案例研究的结果表明，这种结构化和可调参数的工作流程相较于单个 LLM 启用的专家代理生成的 SAEMS 计划，提供了具有较高可控性和综合性的输出。因此，该方法为改善多目标交通规划的包容性和可解释性提供了一条具有成本效益的途径，暗示了我们对可持续和公平交通系统的设想和战略的范式转变。
发现论文，激发创造
  • 基于强大语言模型的参与式城市规划

    创新城市规划方法将大型语言模型与参与式过程相结合，基于角色扮演、协作生成和反馈迭代的框架解决了一个社区级土地利用任务，并在多样化城市社区的实证实验中展现了可适应性和效果，超过人类专家在满意度和包容性上，与强化学习方法在服务和生态方面不相上下。利用自然语言推理和强大的可伸缩性，本研究展望了低成本高效的大型语言模型代理对规划师和市民的双重益处，对增强参与以及实现参与式城市规划至关重要。

    Jan, 2024

  • 大规模语言模型用于参与式城市规划

    基于大型语言模型的多智能体协作框架可用于模拟参与式城市规划，使居民的需求得到充分考虑，并在满足居民满意度和包容性指标方面取得了领先的表现，同时在服务可及性和生态指标方面超越人类专家。

    Feb, 2024

  • 大型语言模型作为城市居民：用于个人移动生成的 LLM 代理框架

    这篇论文介绍了一种使用大型语言模型（LLM）融入到代理框架中的创新方法，用于灵活高效的个性化移动生成，并重点解决了将 LLMs 与现实世界的城市移动数据对接的三个研究问题：将 LLMs 与丰富的活动数据对接、开发可靠的活动生成策略以及探索 LLMs 在城市移动中的应用。

    Feb, 2024

  • 利用大型语言模型进行集体决策

    利用大型语言模型 (LLMs) 管理会话和平衡个体偏好，以促进集体决策，并应用于公司会议安排。

    Nov, 2023

  • 基于大语言模型的对话式生成自动驾驶仿真场景

    本文描述了一个支持扩展多模态交互的系统，通过使用大型语言模型 (LLMs) 将用户的英语语句映射到领域特定的代码，我们探索了 LLMs 在上下文敏感性方面捕捉演算发言者意图的程度。

    Oct, 2023

  • 将竞争转变为合作：多智能体系统与语言模型在现代组织中的革命性作用

    本文探讨了基于多代理系统理论（SMA）与大型语言模型（LLM）的计算实体的动态影响，这些实体的特点是能够模拟复杂的人类互动，作为一种从使用专门的人工代理支持运营业务流程到基于应用知识和人类编排的战略决策的革命可能性。我们展示了利用基于大型语言模型（LLM）的代理开发，通过考虑行为元素并由策略驱动，从而刺激基于使用案例在商业场景中生成知识的能力，利用代理之间的讨论方法（引导式对话），为组织战略提供潜力，基于多代理系统理论（SMA）和创新的大型语言模型（LLM）的应用，为不同的应用、复杂性、领域和 LLM 的能力提供了一种不同和可适应的实验。

    Mar, 2024

  • 使用大语言模型模块化地构建合作体验智能体

    论文提出了一种新的基于大型语言模型的多智能体合作框架，在多种身体环境中测试并得到了良好的效果，其具备规划、沟通和与其他人类或智能体合作完成长期任务等能力，并且与人类沟通的模型更容易获得信任，这为未来的智能体合作研究奠定了基础。

    Jul, 2023

  • 大型语言模型赋能基于代理的建模与模拟：调查与展望

    综述了利用大型语言模型进行基于代理的建模和仿真的现状、挑战和未来发展方向，并提供了大型语言模型 - 基于代理的建模和仿真在实际环境和虚拟环境中的最新研究成果。

    Dec, 2023

  • 模拟中的 LLM 实验：用于数字孪生中的过程仿真参数化的大型语言模型多主体系统

    本文介绍了一种新颖的多智能体系统框架设计，利用大型语言模型（LLM）自动化数字孪生中的过程模拟参数化。我们提出了一个多智能体框架，包括观测、推理、决策和总结四种类型的智能体。通过启用 LLM 智能体与模拟模型之间的动态交互，该系统可以自动探索模拟的参数化，并使用启发式推理确定一组参数以控制模拟以实现目标。所提出的方法通过将 LLM 的启发式融入模拟模型，增强了模拟模型，并通过协助复杂的决策过程，增加了对用户的友好性并减轻了用户的认知负荷。通过案例研究证明了系统的有效性和功能，并在 GitHub 存储库中提供可视化演示。

    May, 2024

  • UrbanLLM：基于大型语言模型的城市自治活动规划与管理

    針對城市場景的複雜問題，我們引入 UrbanLLM，這是一個經過微調的大型語言模型，通過分解城市相關查詢為可管理的子任務，識別適合的時空人工智能模型並生成綜合回應，顯著地提升了處理城市活動規劃和管理相關問題的效能，減輕了對人工專家的工作量和依賴。

    Jun, 2024