論文の概要: CALM: A Calibrated LLM Choice Network Framework for Activity-Based Traveler Simulation

• arxiv url: http://arxiv.org/abs/2609.22252v1
• Date: Sun, 06 Sep 2026 03:29:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.805756
• Title: CALM: A Calibrated LLM Choice Network Framework for Activity-Based Traveler Simulation
• Title（参考訳）: CALM: アクティビティベーストラベラーシミュレーションのための校正LDM選択ネットワークフレームワーク
• Abstract要約: CALMは、オプションの大規模言語モデル(LLM)アクティビティプランナと、キャリブレーションされた選択、共有ネットワークフィードバック、メモリと習慣、型付き実行可能性チェック、決定論的オフライン再生を統合している。 トリップモードや日記のみのジェネレータとは異なり、CALMはクローズドトラベラーデイループを実行し、各生成モジュールを経験的かつ再現可能なベースラインに対して評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present CALM, a reproducible hybrid framework that integrates an optional large language model (LLM) activity planner with calibrated stochastic choice, shared network feedback, memory and habit, typed feasibility checks, and deterministic offline replay. Unlike trip-mode classifiers or diary-only generators, CALM executes a closed traveler-day loop and evaluates each generative module against an empirical, reproducible baseline. On the 2024 New York City Citywide Mobility Survey (CMS), 110,691 seven-mode trips are split by respondent into 78,487 training and 32,204 holdout trips. Training-only alternative-specific constant calibration reduces mean holdout mode Jensen-Shannon divergence from 0.15599 to 0.00394 across ten seeds. A matched live-LLM ablation then quantifies trade-offs among aggregate fit, temporal fit, behavioral persistence, and feasibility, while frozen prompt-response pairs support deterministic replay of downstream simulation. Controlled weather, delay, fare, and parking ladders further demonstrate consistent and interpretable responses under intervention. CALM contributes a reproducible protocol for integrating and evaluating generative planners in traveler simulation through person-disjoint calibration, matched module ablation, controlled stress testing, and end-to-end traceability.
• Abstract（参考訳）: 本稿では,任意の大規模言語モデル (LLM) アクティビティプランナを組み込んだ再現可能なハイブリッドフレームワークであるCALMについて,キャリブレーションされた確率的選択,共有ネットワークフィードバック,メモリと習慣,型付き実行可能性チェック,決定論的オフライン再生について述べる。 トリップモード分類器や日記専用ジェネレータとは異なり、CALMはクローズドトラベラーデイループを実行し、各生成モジュールを経験的再現可能なベースラインに対して評価する。 2024年のニューヨーク市全体のモビリティ調査(CMS)では、110,691回の7つのモードのトリップが78,487のトレーニングと32,204回のホールトアウトに分けられている。 訓練のみの代替種別定数キャリブレーションは平均ホールドアウトモードのJensen-Shannonの発散を10種で0.15599から0.00394に減少させる。 一致したライブLLMアブレーションは、集約適合性、時間適合性、行動持続性、実現可能性のトレードオフを定量化し、凍結した応答対は下流シミュレーションの決定論的再生をサポートする。 制御された天候、遅延、運賃、駐車場のはしごは、介入中の一貫した、解釈可能な応答をさらに示している。 CALMは、人差キャリブレーション、一致したモジュールアブレーション、制御されたストレステスト、エンドツーエンドトレーサビリティを通じて、旅行者シミュレーションにおける生成プランナーの統合と評価のための再現可能なプロトコルに貢献する。

関連論文リスト

• Safety-Filtered Distributed Koopman-MPC [13.419260286017133]
  分散モデル予測制御(DMPC)は、しばしば隣接軌跡からの予測と衝突の制約の両方を構築し、パケット損失を除去できる。 受信軌跡がクープマンMPCを駆動するのに対し、局所センシングと棚形状は、適用された入力を投影するハード制約二次プログラム(QP)を定義する。 一致した8ボットの倉庫シミュレーションでは、凍結したクープマンモデル、非線形ドリフト、境界入力と速度、棚の制約、120msの制御期間、パケットのドロップアウトが使用されている。
  論文  参考訳（メタデータ） (2026-09-23T07:28:17Z)
• Toward Reliable Railway-Bogie Response Prediction Using Multifidelity TDNN and Physics-Informed Residual Learning [9.679297769625286]
  鉄道技術者は、徹底的にテストできない運用シナリオにまたがる車両の応答を予測するシミュレーションモデルを必要としている。 本稿では,多体シミュレーション履歴を低忠実度情報として扱い,ローラーリグ測定を高忠実度証拠として扱う多忠実鉄道ボギー応答補正法を提案する。
  論文  参考訳（メタデータ） (2026-09-10T07:56:53Z)
• GeneSpeak-FP: Target and Compound Retrieval from Observed Cell-Level Perturbation Signatures [0.0]
  クローズド・ライブラリ・セッティングのためのトランスフォーマー検索モデルであるモデルを提案する。 各入力は、1つの処理された細胞と細胞線特異的な平均DMSO参照を対比して形成される細胞レベルの摂動署名である。 マッピング対象アノテーションを用いたTahoe-100M条件の評価を行った。
  論文  参考訳（メタデータ） (2026-07-20T08:22:44Z)
• APS: Bias-Controlled Adaptive Prototype Simulation for Population-Scale LLM Agents [23.922499684047263]
  本稿では,拡張性 LLM に基づくシミュレーションを,再帰的なオラクル配置問題として再設計するフレームワークを提案する。 Adaptive Prototype Simulation (APS) は、適応型コアプロトタイプ、選択されたシングルトンテールエージェント、シャドウ監査エージェントをクエリする。 APSは、完全なシミュレーションよりも381.1倍の削減を実現し、対応するフルLLM参照に対して0.094の参照整列最終ラウンドJSDを実現している。
  論文  参考訳（メタデータ） (2026-05-19T08:45:41Z)
• Learning from Emptiness: De-biasing Listwise Rerankers with Content-Agnostic Probability Calibration [76.08899010904652]
  CapCalは、ランキング決定から位置バイアスを機械的に分離する、トレーニング不要のフレームワークである。 シングルパス効率を保ちながら、トレーニング不要の手法で優れた性能を発揮する。
  論文  参考訳（メタデータ） (2026-04-11T10:47:22Z)
• Learnable Chernoff Baselines for Inference-Time Alignment [64.81256817158851]
  本稿では,指数関数的に傾いたカーネルから効率よく,およそサンプリングする方法として,Learnerable Chernoff Baselinesを紹介した。 理想的なモデルに対する全変量保証を確立し、LCBサンプリングが理想的拒絶サンプリングと密接に一致するような連続的および離散的な拡散設定を実証する。
  論文  参考訳（メタデータ） (2026-02-08T00:09:40Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)

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。