論文の概要: TriFlow: A Progressive Multi-Agent Framework for Intelligent Trip Planning

• arxiv url: http://arxiv.org/abs/2512.11271v1
• Date: Fri, 12 Dec 2025 04:27:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.653058
• Title: TriFlow: A Progressive Multi-Agent Framework for Intelligent Trip Planning
• Title（参考訳）: TriFlow: インテリジェントなトリッププランニングのためのプログレッシブなマルチエージェントフレームワーク
• Authors: Yuxing Chen, Basem Suleiman, Qifan Chen,
• Abstract要約: 現実の旅行計画では、厳密な空間的、時間的、予算的な制約の下で、オープンエンドのユーザリクエストを実行可能なイテレーションに変換する必要があります。 既存のLSMベースのエージェントは、制約満足度、ツール調整、効率に苦しむ。 構造化推論と言語ベースの柔軟性を統一する,プログレッシブなマルチエージェントフレームワークであるTriFlowを提案する。
• 参考スコア（独自算出の注目度）: 2.374752841069747
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-world trip planning requires transforming open-ended user requests into executable itineraries under strict spatial, temporal, and budgetary constraints while aligning with user preferences. Existing LLM-based agents struggle with constraint satisfaction, tool coordination, and efficiency, often producing infeasible or costly plans. To address these limitations, we present TriFlow, a progressive multi-agent framework that unifies structured reasoning and language-based flexibility through a three-stage pipeline of retrieval, planning, and governance. By this design, TriFlow progressively narrows the search space, assembles constraint-consistent itineraries via rule-LLM collaboration, and performs bounded iterative refinement to ensure global feasibility and personalisation. Evaluations on TravelPlanner and TripTailor benchmarks demonstrated state-of-the-art results, achieving 91.1% and 97% final pass rates, respectively, with over 10x runtime efficiency improvement compared to current SOTA.
• Abstract（参考訳）: 実際の旅行計画では、オープンエンドのユーザリクエストを厳密な空間的、時間的、予算的な制約の下で実行可能なイテレーションに変換すると同時に、ユーザの好みに合わせる必要があります。 既存のLLMベースのエージェントは、制約満足度、ツールの調整、効率性に苦しむが、しばしば実現不可能またはコストのかかる計画を生み出す。 これらの制限に対処するため、TriFlowは、構造化推論と言語ベースの柔軟性を3段階の検索、計画、ガバナンスパイプラインを通じて統合する、プログレッシブなマルチエージェントフレームワークである。 この設計により、TriFlowは検索空間を徐々に狭め、ルール-LLMコラボレーションを通じて制約一貫性のあるイテレーションを組み立て、グローバルな実現可能性とパーソナライゼーションを確保するために境界付き反復改善を行う。 TravelPlanner と TripTailor のベンチマークでは、それぞれ91.1% と 97% のパスレートを達成し、現在の SOTA と比較して10倍以上の実行効率向上を実現した。

関連論文リスト

• ATLAS: Constraints-Aware Multi-Agent Collaboration for Real-World Travel Planning [53.065247112514534]
  ATLASは、現実世界の旅行計画タスクにおける制約意識の複雑な性質を扱うために設計された汎用マルチエージェントフレームワークである。 我々はTravelPlannerベンチマークで最先端のパフォーマンスを示し、最終パスレートを23.3%から44.4%に改善した。
  論文  参考訳（メタデータ） (2025-09-29T23:23:52Z)
• TripTailor: A Real-World Benchmark for Personalized Travel Planning [28.965273870656446]
  TripTailorは、現実世界のシナリオでパーソナライズされた旅行計画のためのベンチマークである。 このデータセットには、50,000以上の現実世界の関心点(POI)と4000近い多様な旅行イテナリーが含まれている。 旅行計画において、実現可能性、合理性、パーソナライズされたカスタマイズなど、いくつかの重要な課題を特定します。
  論文  参考訳（メタデータ） (2025-08-02T16:44:02Z)
• Wide-Horizon Thinking and Simulation-Based Evaluation for Real-World LLM Planning with Multifaceted Constraints [39.01715254437105]
  本稿では,多面制約による計画課題を解決するための多面計画(MAoP)について紹介する。 MAoPは直接計画するのではなく、ストラテジストを活用して、さまざまな側面から事前計画を行い、プランナーのための計画青写真を提供する。
  論文  参考訳（メタデータ） (2025-06-14T09:37:59Z)
• HyperTree Planning: Enhancing LLM Reasoning via Hierarchical Thinking [109.09735490692202]
  提案するHyperTree Planning(HTP)は,高木構造プランニングアウトラインを構成する新しい推論パラダイムである。 実験ではHTPの有効性を実証し、Gemini-1.5-ProによるTravelPlannerベンチマークで最先端の精度を実現し、o1-previewよりも3.6倍の性能向上を実現した。
  論文  参考訳（メタデータ） (2025-05-05T02:38:58Z)
• Haste Makes Waste: Evaluating Planning Abilities of LLMs for Efficient and Feasible Multitasking with Time Constraints Between Actions [56.88110850242265]
  本稿では,現実の調理シナリオに基づいた新しいベンチマークフレームワークRecipe2Planを紹介する。 従来のベンチマークとは異なり、Recipe2Planは並列タスク実行による調理時間を最適化するためにエージェントに挑戦する。
  論文  参考訳（メタデータ） (2025-03-04T03:27:02Z)
• TripCraft: A Benchmark for Spatio-Temporally Fine Grained Travel Planning [7.841787597078323]
  TripCraft は LLM によるパーソナライズされた旅行計画のための,新たなベンチマークを確立している。 パラメータ情報設定は食事スケジューリングを著しく向上させ、7日間のシナリオでは時間的食事スコアが61%から80%に向上する。
  論文  参考訳（メタデータ） (2025-02-27T20:33:28Z)
• TRIP-PAL: Travel Planning with Guarantees by Combining Large Language Models and Automated Planners [6.378824981027464]
  伝統的なアプローチは、与えられた形式言語における問題定式化に依存している。 最近のLarge Language Model (LLM) ベースのアプローチは、言語を使用してユーザリクエストから計画を直接出力する。 LLMと自動プランナの強度を組み合わせたハイブリッド手法TRIP-PALを提案する。
  論文  参考訳（メタデータ） (2024-06-14T17:31:16Z)
• Large Language Models Can Solve Real-World Planning Rigorously with Formal Verification Tools [12.875270710153021]
  大規模言語モデル(LLM)は、複雑なマルチ制約計画問題に対して、直接的に正しい計画を生成するのに苦労する。 複雑な多制約計画問題を形式化し,解決する LLM ベースの計画フレームワークを提案する。 我々のフレームワークは93.9%の成功率を達成し、多様なパラフレーズのプロンプトで有効である。
  論文  参考訳（メタデータ） (2024-04-18T04:36:37Z)
• Guiding Language Model Reasoning with Planning Tokens [122.43639723387516]
  大規模言語モデル(LLM)は、最近、複雑な推論タスクを実行する能力に対して、かなりの関心を集めている。 より構造的なチェーン・オブ・シークレット・ステップの創出を促す階層的な生成手法を提案する。 提案手法では、トレーニング可能なパラメータ(0.001%)の無視可能な増加が必要であり、完全な微調整か、よりパラメータ効率の良いスキームで適用することができる。
  論文  参考訳（メタデータ） (2023-10-09T13:29:37Z)

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。