TRIP-PAL: Travel Planning with Guarantees by Combining Large Language Models and Automated Planners

要約

旅行計画は、制約のある場所への訪問に関連する一連のアクションの生成と、ユーザー満足度の基準の最大化を伴う複雑なタスクです。
従来のアプローチは、特定の形式言語で問題を定式化し、Web ソースから関連する旅行情報を抽出し、適切な問題解決ツールを使用して有効な解決策を生成することに依存しています。
代わりに、最近の大規模言語モデル (LLM) ベースのアプローチは、言語を使用してユーザー要求から直接計画を出力します。
LLM は広範な旅行分野の知識を持ち、関心のある地点や潜在的なルートなどの高レベルの情報を提供しますが、現在の最先端のモデルでは、一貫性が欠如し、制約を完全に満たすことができず、計画の生成が保証されないことがよくあります。
高品質のソリューション。
私たちは、LLM と自動プランナーの長所を組み合わせたハイブリッド方式である TRIP-PAL を提案します。(i) LLM は旅行情報とユーザー情報を取得し、プランナーに入力できるデータ構造に変換します。
(ii) 自動プランナーは、制約を満たすことを保証し、ユーザーの利便性を最適化する旅行計画を作成します。
さまざまな旅行シナリオにおける私たちの実験では、旅行計画の作成において TRIP-PAL が LLM よりも優れていることが示されています。

要約(オリジナル)

Travel planning is a complex task that involves generating a sequence of actions related to visiting places subject to constraints and maximizing some user satisfaction criteria. Traditional approaches rely on problem formulation in a given formal language, extracting relevant travel information from web sources, and use an adequate problem solver to generate a valid solution. As an alternative, recent Large Language Model (LLM) based approaches directly output plans from user requests using language. Although LLMs possess extensive travel domain knowledge and provide high-level information like points of interest and potential routes, current state-of-the-art models often generate plans that lack coherence, fail to satisfy constraints fully, and do not guarantee the generation of high-quality solutions. We propose TRIP-PAL, a hybrid method that combines the strengths of LLMs and automated planners, where (i) LLMs get and translate travel information and user information into data structures that can be fed into planners; and (ii) automated planners generate travel plans that guarantee constraint satisfaction and optimize for users’ utility. Our experiments across various travel scenarios show that TRIP-PAL outperforms an LLM when generating travel plans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google