論文の概要: Replan, Repair, or Edit? A Unified Empirical Evaluation of Travel Agents for Itinerary Revision under Resource Disruptions
- arxiv url: http://arxiv.org/abs/2609.19654v1
- Date: Thu, 17 Sep 2026 03:50:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.09315
- Title: Replan, Repair, or Edit? A Unified Empirical Evaluation of Travel Agents for Itinerary Revision under Resource Disruptions
- Title（参考訳）: 再設計, 修復, 編集 : 資源破壊下における旅行エージェントの統一的評価
- Abstract要約: 不可能なイテレーションの改訂には、完全なリプラン、古典的なプランの修復、LLMベースのリビジョンが含まれる。
2つのTREK由来のベンチマークセットを用いて、系統的な実証的研究を行う。
我々は,LLM-Z3の完全リプラン,IPyHOPPER階層修復,iTIMOローカルリビジョンアダプタの有効性,計画安定性,計算コストを比較した。
- 参考スコア（独自算出の注目度）: 3.519274848154211
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Travel-planning agents generate itineraries that may become infeasible after acceptance because of flight cancellations, hotel unavailability, or attraction closures. Revising these itineraries involves full replanning, classical plan repair, and LLM-based travel-agent revision, whose differing task formulations and evaluation protocols hinder comparison. We conduct a systematic empirical study using two TREK-derived benchmark sets: 500 single-disruption cases, including feasible and infeasible instances, and 200 feasible simultaneous compound-disruption cases. We compare LLM-Z3 full replanning, IPyHOPPER hierarchical repair, and an iTIMO local-revision adapter across effectiveness, plan stability, and computational cost. LLM-Z3 with Gemini achieved the highest observed compound-disruption success. IPyHOPPER nearly matched that configuration's single-disruption overall success, while preserving substantially more of the accepted itinerary on successful repairs. Successful hierarchical and local repairs made fewer edits and retained more accepted commitments than full replanning. Computational profiles differed: IPyHOPPER used no LLM inference, the evaluated LLM-Z3 adapter used compact one-call inference, and the iTIMO adapter consumed substantially more tokens. The study provides practical guidelines for balancing feasibility recovery, commitment preservation, and computational cost within evaluated settings.
- Abstract（参考訳）: 旅行計画エージェントは、フライトキャンセル、ホテルの可用性の欠如、アトラクションの閉鎖などにより、受理後に無効になる可能性がある回廊を生成する。
これらのイテレーションの改訂には、完全なリプラン、古典的な計画修正、LLMベースの旅行エージェント修正が含まれており、異なるタスクの定式化と評価プロトコルが比較を妨げている。
我々は,TREK由来の2つのベンチマークセットを用いた系統的実証研究を行った。
我々は,LLM-Z3の完全リプラン,IPyHOPPER階層修復,iTIMOローカルリビジョンアダプタの有効性,計画安定性,計算コストを比較した。
ジェミニを用いたLLM-Z3は、最も観測された化合物の破壊に成功した。
IPyHOPPERは、その構成の単一破壊的な全体的な成功とほぼ一致し、修復が成功すると、受け入れられたイテレーションのほとんどを保存した。
階層的および局所的な修復が成功したことにより、編集は少なくなり、完全な再設計よりも受け入れられたコミットメントが保たれた。
IPyHOPPERはLLM推論を使用せず、評価されたLLM-Z3アダプタはコンパクトなワンコール推論を使用し、iTIMOアダプタは相当多くのトークンを消費した。
本研究は, 評価設定における実現可能性回復, コミットメントの保存, 計算コストのバランスをとるための実践的ガイドラインを提供する。
関連論文リスト
- RePair: Turning Retrieval Failures into Counterfactual Hard Pairs [15.148342372814662]
RePairは、偽陽性を双方向にマイニングし、LLM誘導の反ファクト編集を適用し、ローカルなハードペアの対照的な目的を持つ列車を訓練する。
Flickr30KとCOCO30Kでは、RePairは107Kの合成サンプルで制御された拡張ベースラインを上回っている。
論文 参考訳（メタデータ） (2026-08-30T06:47:38Z) - Rethinking Automated Program Repair: The Impact of Bug Complexity, Fault Localization, and LLM Cost-efficiency [1.9703625025720701]
本研究は,バグの複雑化,障害の局所化,推論設定,コストによって,修復性能がどのように形成されているかに焦点を当てる。
構造的に複雑なバグや不正確な故障の局所化は、修復をより困難にするが、LLMベースのAPR技術は競争力のある修復効率を実現する。
論文 参考訳（メタデータ） (2026-08-14T08:23:25Z) - PAIR: Prefix-Aware Internal Reward Model for Multi-Turn Agent Optimization [20.910779784518798]
グループ相対的政策最適化(GRPO)は、主要な選択肢として浮上しているが、緩やかな成果報酬への依存は、中間段階にわたる信用割当を著しく制限している。
そこで本研究では,凍結型隠れ状態プローブを用いた2段階モデルを提案する。
実験の結果, PAIRは汚染された軌道上では最も高いAUROCを達成でき, 予測コストは無視できることがわかった。
論文 参考訳（メタデータ） (2026-05-18T05:39:30Z) - Unsolvability Ceiling in Multi-LLM Routing: An Empirical Study of Evaluation Artifacts [0.07812854697536452]
6つのベンチマークで206,000のクエリモデルペアを持つマルチ層LSMルーティングについて大規模に検討する。
報告された未解決性のかなりの部分は, 評価成果物に起因していることが示されている。
論文 参考訳（メタデータ） (2026-05-08T07:49:24Z) - ArenaRL: Scaling RL for Open-Ended Agents via Tournament-based Relative Ranking [84.07076200941474]
ArenaRLは、ポイントワイドスカラースコアからグループ内相対ランクにシフトする強化学習パラダイムである。
我々は,グループ内対角アリーナを構築し,安定した有利な信号を得るためのトーナメントベースのランキングスキームを考案する。
実験により、ArenaRLは標準のRLベースラインを大幅に上回っていることが示された。
論文 参考訳（メタデータ） (2026-01-10T08:43:07Z) - TripTide: A Benchmark for Adaptive Travel Planning under Disruptions [8.592189274445149]
TripTideは、大規模言語モデルの現実的な破壊の下での修正能力を評価する最初のベンチマークである。
実験の結果,LLMは連続的な一貫性とセマンティック安定性を維持し,空間偏差は短い旅行では大きいが,長い旅行では小さくなることがわかった。
TripTideは、LLMベースの旅行計画における適応性、パーソナライゼーション、レジリエンスを評価するためのベンチマークを確立している。
論文 参考訳（メタデータ） (2025-10-24T10:39:55Z) - Towards Efficient LLM Grounding for Embodied Multi-Agent Collaboration [68.29746557968107]
本稿では,多エージェント協調のための新しいフレームワークを提案する。これは,効率的な自己調整のための強化アドバンテージフィードバック(Reinforced Advantage feedback, ReAd)を導入する。
Over-AIと難解なRoCoBenchの実験は、ReAdが成功率のベースラインを超え、エージェントの相互作用ステップを著しく減少させることを示している。
論文 参考訳（メタデータ） (2024-05-23T08:33:19Z) - Robust Self-Supervised LiDAR Odometry via Representative Structure
Discovery and 3D Inherent Error Modeling [67.75095378830694]
そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。
本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。
我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
論文 参考訳（メタデータ） (2022-02-27T12:52:27Z)
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。