智客 ZICQ
EN 登录 / 注册
智客前沿 大模型 #BUA-IRIP-LLM #Behavior2Trip #个性化推荐 #强化学习 #旅行规划

BUA-IRIP-LLM发布Behavior2Trip:基于用户行为轨迹的个性化旅行规划新基准

Mr.Xu 的头像

文 / Mr.Xu 智客前沿编译 · 审校

发布时间: · 4 次阅读

中文阅读 (Chinese) English Version
共读互动 选中正文任意句子即可高亮划线、写下你的技术批注,或一键生成金句引用卡。 直达讨论区 ↓

摘要:BUA-IRIP-LLM团队发布了一项名为Behavior2Trip的新基准,旨在通过用户过去的行为轨迹推断其偏好,从而实现个性化旅行规划。该基准包含11,400个实例,每个实例平均涵盖39.8个用户行为,跨越14个属性和5个偏好维度。研究团队还提出了基于强化学习的B2T-Agent模型,该模型利用用户行为轨迹进行偏好对齐检索,并在实验中显著优于GPT-4.1等基线模型,展示了该任务在个性化旅行规划中的巨大潜力。


核心突破

BUA-IRIP-LLM团队发布了一项名为Behavior2Trip的新基准,旨在解决现有旅行规划智能体在个性化推荐方面的局限性。该基准通过以下方式实现了突破:

  • 数据规模与多样性:从中国最大的在线旅行平台收集数据,包含11,400个实例,每个实例平均涵盖39.8个用户行为,跨越14个属性和5个偏好维度。
  • 任务定义:提出了“行为感知旅行规划”任务,直接从用户过去的行为推断其偏好,而无需依赖显式的用户指令或交互。
  • 模型创新:提出了B2T-Agent,这是一种基于强化学习的智能体,能够利用用户行为轨迹进行偏好对齐检索,并结合外部工具进行高效信息检索。

技术亮点

  1. 数据构建:Behavior2Trip基准的数据集构建精细,涵盖了丰富的用户行为和偏好维度,为研究提供了高质量的数据支持。
  2. 强化学习应用:B2T-Agent通过强化学习技术,能够在复杂任务环境中进行动态决策和优化。
  3. 性能优势:在实验中,B2T-Agent在最难的任务上表现优异,其全约束通过率显著高于GPT-4.1,展示了其在个性化旅行规划中的强大能力。
  4. 泛化能力:B2T-Agent在TravelPlanner基准测试中也表现出色,证明了其在不同任务场景中的泛化能力。

行业影响

  • 个性化服务提升:该研究为旅行规划行业提供了新的技术路径,能够显著提升个性化服务的质量和用户满意度。
  • AI应用拓展:该方法不仅适用于旅行规划,还可以扩展到其他需要个性化推荐的领域,如电商推荐、新闻推荐等。
  • 开发者建议:对于开发者而言,Behavior2Trip基准和B2T-Agent模型提供了一个强大的工具,可以用于开发更智能、更个性化的旅行规划系统。

开发者建议

  1. 数据利用:建议开发者充分利用Behavior2Trip基准的数据集进行模型训练和评估。
  2. 模型优化:可以尝试结合其他先进的AI技术(如多模态学习、图神经网络等)进一步优化B2T-Agent的性能。
  3. 应用扩展:探索将该方法应用于其他领域的可能性,如智能家居、虚拟助手等。

消息来源:ArXiv cs.AI (2026-08-27)

—— 完 ——

主题标签: #BUA-IRIP-LLM #Behavior2Trip #个性化推荐 #强化学习 #旅行规划

编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。

读完这篇,你的第一判断是?
🚀 去【作品】晒出你的相关实践

社区整体评论区

正在加载实时智能评论与划词标注…