論文の概要: LLM4Rail: An LLM-Augmented Railway Service Consulting Platform

• arxiv url: http://arxiv.org/abs/2507.23377v1
• Date: Thu, 31 Jul 2025 09:45:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:09.430414
• Title: LLM4Rail: An LLM-Augmented Railway Service Consulting Platform
• Title（参考訳）: LLM4Rail: LLMの拡張された鉄道サービスコンサルティングプラットフォーム
• Authors: Zhuo Li, Xianghuai Deng, Chiwei Feng, Hanmeng Li, Shenjie Wang, Haichao Zhang, Teng Jia, Conlin Chen, Louis Linchun Wu, Jia Wang,
• Abstract要約: 大規模言語モデル(LLM)はビジネスの歩みを変えてきた。 我々は,新しいLLM拡張鉄道サービスコンサルティングプラットフォームを開発した。 LLMはチケット、鉄道食と飲料のレコメンデーション、天気情報、チチャットのためのカスタムモジュールを提供することができる。
• 参考スコア（独自算出の注目度）: 7.638235493869739
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) have significantly reshaped different walks of business. To meet the increasing demands for individualized railway service, we develop LLM4Rail - a novel LLM-augmented railway service consulting platform. Empowered by LLM, LLM4Rail can provide custom modules for ticketing, railway food & drink recommendations, weather information, and chitchat. In LLM4Rail, we propose the iterative "Question-Thought-Action-Observation (QTAO)" prompting framework. It meticulously integrates verbal reasoning with task-oriented actions, that is, reasoning to guide action selection, to effectively retrieve external observations relevant to railway operation and service to generate accurate responses. To provide personalized onboard dining services, we first construct the Chinese Railway Food and Drink (CRFD-25) - a publicly accessible takeout dataset tailored for railway services. CRFD-25 covers a wide range of signature dishes categorized by cities, cuisines, age groups, and spiciness levels. We further introduce an LLM-based zero-shot conversational recommender for railway catering. To address the unconstrained nature of open recommendations, the feature similarity-based post-processing step is introduced to ensure all the recommended items are aligned with CRFD-25 dataset.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、ビジネスの歩みを大きく変えた。 鉄道事業の個別化に対する需要の高まりに対応するため, LLM4Rail - 新規なLLM増設鉄道サービスコンサルティングプラットフォームを開発した。 LLMにインスパイアされたLLM4Railは、チケット販売、鉄道食とドリンクのレコメンデーション、天気情報、chitchatのカスタムモジュールを提供する。 LLM4Railでは、反復的な「QTAO(Question-Thought-Action-Observation)」プロンプトフレームワークを提案する。 言語推論とタスク指向行動、すなわち行動選択を誘導する推論とを慎重に統合し、鉄道運行やサービスに関連する外部の観察を効果的に回収し、正確な応答を生成する。 そこで我々は,まず,鉄道サービスに適した一般向けテイクアウトデータセットであるCRFD-25(China Railway Food and Drink)を構築した。 CRFD-25は、都市、料理、年齢グループ、および注目度によって分類される幅広い署名料理をカバーしている。 鉄道キャタリングのためのLLMベースのゼロショット対話レコメンデータについても紹介する。 オープンレコメンデーションの制約のない性質に対処するため、特徴類似性に基づく後処理ステップを導入し、推奨項目がCRFD-25データセットに一致していることを保証する。

関連論文リスト

• DeepRec: Towards a Deep Dive Into the Item Space with Large Language Model Based Recommendation [83.21140655248624]
  大型言語モデル (LLM) はレコメンダシステム (RS) に導入された。 本稿では, LLM と TRM の自律的マルチターンインタラクションを実現する新しい RS である DeepRec を提案する。 公開データセットの実験では、DeepRecは従来のものとLLMベースのベースラインの両方で大幅にパフォーマンスが向上している。
  論文  参考訳（メタデータ） (2025-05-22T15:49:38Z)
• TraveLLM: Could you plan my new public transit route in face of a network disruption? [4.58733012283457]
  我々は,大規模言語モデル(LLM)に依存するディスラプションに直面して公共交通機関のルーティングを計画するプロトタイプTraveLLMを開発した。 各種のテストケースは、さまざまな気象条件、緊急イベント、新しい交通サービスの導入など、さまざまなシナリオで設計されている。 比較分析により, LLM, 特に GPT-4 がナビゲーション計画に有効であることが示された。
  論文  参考訳（メタデータ） (2024-07-20T16:25:34Z)
• Robust Planning with LLM-Modulo Framework: Case Study in Travel Planning [19.79128776490271]
  本稿では,大規模言語モデルの多種多様な計画・推論活動への統合を促進する枠組みを提案する。 我々は,OSU NLPグループによる旅行計画ベンチマークを用いて,有効な旅程作成におけるLLMの性能評価を行う。 LLM-Modulo framework for TravelPlanning Domainの運用により、GPT4-Turboの4.6倍、GPT3.5-Turboのような古いモデルでは0%から5%のベースライン性能が向上した。
  論文  参考訳（メタデータ） (2024-05-31T05:23:35Z)
• Plan-Grounded Large Language Models for Dual Goal Conversational Settings [7.694972908311347]
  ユーザインストラクションに従うための大規模言語モデルのトレーニングは、LLMに人間と整合しながら、流動的に会話できる十分な能力を供給することが示されている。 しかし、LLMが混合開始型環境でどのように計画的な会話を導いてくれるかは、完全には明らかではない。 本稿では,手続き的計画に基づく対話を基盤とし,対話の主導権を握り,システムの動作にガードレールを課す新しいLLMを提案する。
  論文  参考訳（メタデータ） (2024-02-01T22:56:39Z)
• NeMo Guardrails: A Toolkit for Controllable and Safe LLM Applications with Programmable Rails [2.0776016340669603]
  NeMo Guardrailsは、プログラマブルなガードレールを対話システムに追加するためのオープンソースのツールキットである。 NeMo Guardrailsは、対話管理にインスパイアされたランタイムを使用することで、開発者はLLMアプリケーションにプログラム可能なレールを追加することができる。
  論文  参考訳（メタデータ） (2023-10-16T15:20:30Z)
• How Can Recommender Systems Benefit from Large Language Models: A Survey [82.06729592294322]
  大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。 我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
  論文  参考訳（メタデータ） (2023-06-09T11:31:50Z)
• Guiding Large Language Models via Directional Stimulus Prompting [114.84930073977672]
  我々は,特定の所望の出力に対して,ブラックボックス大言語モデル(LLM)を導くための新しいフレームワークであるDirectional Stimulus Promptingを紹介する。 LLMを直接調整するのではなく、小さな調整可能なポリシーモデルを用いて各入力インスタンスに対して補助的な指向性刺激プロンプトを生成する。
  論文  参考訳（メタデータ） (2023-02-22T17:44:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。