論文の概要: TRIPPULSE: Multi-Agent Travel Planning with Review-Grounded Reasoning
- arxiv url: http://arxiv.org/abs/2608.30924v1
- Date: Mon, 31 Aug 2026 15:02:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.461592
- Title: TRIPPULSE: Multi-Agent Travel Planning with Review-Grounded Reasoning
- Title（参考訳）: TRIPPULSE:Review-Grounded Reasoningによるマルチエージェント旅行計画
- Abstract要約: レビューグラウンドトラベルプランニングのためのマルチエージェントフレームワークであるTRIPPULSEを提案する。
我々は,100K以上の実世界レビューでTRIPCRAFTを増強し,人間中心の旅行体験との整合性を評価するためのLCM-as-a-Judge尺度であるReview-Grounded Per-Sona Alignment (RGPA)を導入した。
- 参考スコア（独自算出の注目度）: 8.15237621583531
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Travel itinerary generation requires balancing strict spatio-temporal constraints with human preferences. Existing LLM-based planners mainly rely on structured attributes and pre- defined traveler personas, but real travel deci- sions are often shaped by reviews that reveal experiential factors such as comfort, safety, ser- vice quality, ambiance, crowding, and hidden risks absent from structured databases. Incor- porating such review information is therefore critical to realistic, user-centric itinerary gen- eration. We propose TRIPPULSE1, a multi- agent framework for review-grounded travel planning. Instead of relying on a monolithic planner (and face context and reasoning bot- tlenecks), TRIPPULSE2 decomposes itinerary generation into specialized agents (each op- erating over localized contexts) for accom- modations, transportation, meals, attractions, and events, coordinated through a global or- chestrator with scheduling mechanisms that enforce temporal and budget feasibility. We augment TRIPCRAFT with 100K+ real-world reviews and introduce Review-Grounded Per- sona Alignment (RGPA), an LLM-as-a-Judge metric for evaluating alignment with human- centric travel experiences. Experiments across multiple trip durations and diverse proprietary and open-source models show that TRIPPULSE maintains strong constraint satisfaction while generating more personalized and experien- tially grounded itineraries.
- Abstract（参考訳）: 旅行反復生成には、厳密な時空間制約と人間の嗜好のバランスが必要である。
既存のLCMベースのプランナーは主に構造化属性と事前定義された旅行者ペルソナに頼っているが、実際の旅行デシジョンは、しばしば、構造化データベースから欠落した、快適、安全、サー・バイ・クオリティ、環境、混雑、隠れた危険などの経験的要因を明らかにするレビューによって形成されている。
したがって、このようなレビュー情報を正しく採点することは、現実的でユーザ中心の反復的ジェネレーションに不可欠である。
レビューグラウンドトラベルプランニングのためのマルチエージェントフレームワークTRIPPULSE1を提案する。
TRIPPULSE2は、モノリシックなプランナー(および、顔のコンテキストとボット-トルネックの推論)に頼る代わりに、時間的および予算的実現性を強制するスケジューリング機構を備えたグローバルまたはチェレレータを通じて調整された、アコモディション、輸送、食事、アトラクション、イベントのための特別なエージェント(各局所的なコンテキストに対するオプト消去)に、反復生成を分解する。
我々は,100K以上の実世界レビューでTRIPCRAFTを増強し,人間中心の旅行体験との整合性を評価するためのLCM-as-a-Judge尺度であるReview-Grounded Per-Sona Alignment (RGPA)を導入した。
複数の旅行期間と多種多様なプロプライエタリおよびオープンソースモデルにわたる実験は、TRIPPULSEがよりパーソナライズされ、卓越した土台を築きながら、強い制約満足度を維持していることを示している。
関連論文リスト
- Shift & Drift: A Zero-Shot Benchmark for Generalizable and Robust Autonomous Driving Motion Planning [60.888463449435484]
シフト・アンド・ドリフト(Shift & Drift)は、分散シフトの2つの重要な軸にまたがる、厳密なストレス-テスト運動プランナーのための新しいデュアルトラックベンチマークである。
擬似学習手法は,IDベンチマークにおいて高いスコアを得るが,時間的に相関したアクティベーションノイズを受けると持続的なドリフトに悩まされることを示す。
本研究は, 模擬忠実度と閉ループレジリエンスのトレードオフを実証的に明らかにし, 信頼性の高い展開に向けた進捗を評価するための厳密なベンチマークをコミュニティに提供する。
論文 参考訳（メタデータ） (2026-07-08T18:23:48Z) - Trip+: Benchmarking Agents in Personalized Interactive Travel Planning [12.167681198611744]
本稿ではTrip+を導入し,旅行計画におけるエージェントの能力を測定した。
旅行者のプロファイルと動的なインタラクションを考慮に入れれば、エージェントはミニレベルなイテレーションを生成して修正する必要がある。
エンド・ツー・エンドの旅行体験は、LSMベースのシミュレータを用いて評価される。
論文 参考訳（メタデータ） (2026-06-19T07:17:40Z) - TravelEval: A Comprehensive Benchmarking Framework for Evaluating LLM-Powered Travel Planning Agents [16.732203115366584]
本研究では,大規模言語旅行モデルを評価するための,現実的で包括的なベンチマークであるTravelEvalを紹介する。
TravelEval 1) 正確性, コンプライアンス, 時間性, 空間性, 経済性, 実用性といった面から計画を評価する新しい6次元評価フレームワーク。
論文 参考訳（メタデータ） (2026-05-31T06:29:19Z) - GroupTravelBench: Benchmarking LLM Agents on Multi-Person Travel Planning [21.321198339300334]
textbfGroupTravelBenchは、textbfmulti-user, multi-turn travel planningの最初のベンチマークである。
実際のユーザプロファイル、POIデータ、チケット価格データに基づいて、650のタスクを合成し、3つの難易度に分割する。
我々は広い範囲のLLMを評価し、フロンティアモデルでさえも、好みのカバレッジとグループフェアネスに重大な弱点があることを見出した。
論文 参考訳（メタデータ） (2026-05-24T17:59:58Z) - APEX: Autonomous Policy Exploration for Self-Evolving LLM Agents [54.213455157510445]
自己進化型エージェントは、モデルウェイト更新を必要とせず、エピソード間でメモリとリフレクションを蓄積することによって学習する。
メモリが大きくなるにつれて、行動は慣れ親しんだハイリワードルーチンに集中し、より良い選択肢を発見する機会を減らす。
戦略マップを通じて明確な戦略空間を構築し維持する自律的政策展開(APEX)を提案する。
論文 参考訳（メタデータ） (2026-05-20T14:29:27Z) - Agentic Spatio-Temporal Grounding via Collaborative Reasoning [80.83158605034465]
時間的ビデオグラウンド(Temporal Video Grounding)は、テキストクエリが与えられたビデオ内の対象物または人の時間的チューブを検索することを目的としている。
本稿では,STVGの課題に対して,オープンワールドおよびトレーニングフリーシナリオに向けたエージェント時空間グラウンド(ASTG)フレームワークを提案する。
具体的には、現代多言語モデル(MLLM)を活用した2つの特殊エージェントSRA(Spatial Reasoning Agent)とTRA(Temporal Reasoning Agent)である。
人気のあるベンチマークの実験は、既存の弱教師付きおよびゼロショットアプローチをマージンで上回る提案手法の優位性を実証している。
論文 参考訳（メタデータ） (2026-02-10T10:16:27Z) - OdysseyArena: Benchmarking Large Language Models For Long-Horizon, Active and Inductive Interactions [66.84396313837765]
我々はOdysseyArenaを紹介した。OdysseyArenaは、長期的、活動的、誘導的相互作用におけるエージェント評価を再中心化する。
エージェントの誘導効率と長期発見を測る120のタスクセットを提供する。
また,OdysseyArena-Challengeを極端相互作用地平線上での応力-試験剤の安定性について紹介する。
論文 参考訳（メタデータ） (2026-02-05T16:31:43Z) - 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) - SynthTRIPs: A Knowledge-Grounded Framework for Benchmark Query Generation for Personalized Tourism Recommenders [6.910185679055651]
本稿では,Large Language Models (LLMs) を用いた合成旅行クエリ生成のための新しいSynthTRIPsフレームワークを提案する。
我々のアプローチは、人格に基づく好み(予算、旅行スタイルなど)と明確な持続可能性フィルタ(歩行性、空気質など)を組み合わせることで、現実的で多様なクエリを生成する。
本手法は他の推奨システムドメインにも適用した。
論文 参考訳（メタデータ） (2025-04-12T16:48:35Z) - 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) - ChinaTravel: An Open-Ended Benchmark for Language Agents in Chinese Travel Planning [38.44879526364259]
emph ChinaTravelは、中国旅行の真の要件に基づいた初のオープンエンドベンチマークです。
本研究では,拡張性評価,実現可能性,制約満足度,嗜好比較を網羅する,構成的に一般化可能なドメイン固有言語を設計する。
経験的研究により、旅行計画における神経象徴的エージェントの可能性を明らかにし、人間のクエリに対する37.0%の制約満足度を達成する。
論文 参考訳（メタデータ） (2024-12-18T10:10:12Z) - TravelPlanner: A Benchmark for Real-World Planning with Language Agents [63.199454024966506]
我々は,旅行計画に焦点を当てた新しい計画ベンチマークであるTravelPlannerを提案する。
豊富なサンドボックス環境、400万近いデータレコードにアクセスするためのさまざまなツール、計画意図とリファレンスプランを慎重にキュレートした1,225のツールを提供する。
包括的評価では、現在の言語エージェントがそのような複雑な計画タスクを処理できないことが示されており、GPT-4でさえ0.6%の成功率しか達成できない。
論文 参考訳（メタデータ） (2024-02-02T18:39:51Z)
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。