TRIP-PAL: Travel Planning with Guarantees by Combining Large Language Models and Automated Planners

旅游规划是一个复杂的任务，它涉及生成一系列与参观地点相关的行动，受到约束条件的限制，并最大化某些用户满意度标准。传统方法依赖于在给定的形式语言中制定问题，从网络来源中提取相关旅游信息，并使用适当的问题解决器生成有效的解决方案。作为替代方案，最近的大型语言模型（LLM）基于语言直接从用户请求中输出计划。尽管LLM具有广泛的旅游领域知识，并提供诸如兴趣点和潜在路线等高级信息，但目前最先进的模型往往生成缺乏连贯性的计划，未能完全满足约束条件，并且不能保证生成高质量的解决方案。我们提出了TRIP-PAL，这是一种混合方法，结合了LLM和自动规划器的优势，其中(i)LLM获取和翻译旅游信息和用户信息成为可以输入规划器的数据结构；(ii)自动规划器生成旅游计划，保证约束满足并优化用户效用。我们在各种旅游场景下的实验表明，TRIP-PAL在生成旅游计划时优于LLM。

论文旨在解决旅行规划中语言模型生成的计划缺乏连贯性、无法完全满足约束条件、不能保证生成高质量解决方案的问题。

TRIP-PAL是一种混合方法，结合了语言模型和自动规划器的优势，利用语言模型获取和翻译旅行信息和用户信息，将其转化为可输入规划器的数据结构；自动规划器生成旅行计划，保证约束条件的满足并优化用户效用。

论文实验表明，TRIP-PAL在生成旅行计划时优于仅使用语言模型的方法。论文还提供了多个旅行场景的实验结果和分析。

最近的相关研究包括基于语言模型的旅行规划方法，以及自动规划器在旅行规划中的应用。相关论文包括《Generating Travel Itineraries with TripPlanner: A Large-Scale Language Model Approach》和《Automated Planning for Personalized Multimodal Trip Planning》等。