Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới. Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận. Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.
Đồ Thị RAG như một mô hình lựa chọn của con người: Xây dựng một tác nhân di động dựa trên dữ liệu với chuỗi ưu tiên
Created by
Haebom
Tác giả
Kai Hu, Parfait Atchade-Adelomou, Carlo Adornetto, Adrian Mora-Carrero, Luis Alonso-Pastor, Ariel Noyman, Yubo Liu, Kent Larson
Phác thảo
Bài báo này trình bày "Chuỗi Ưu tiên", một phương pháp mới sử dụng tác nhân tạo dựa trên mô hình ngôn ngữ quy mô lớn (LLM) để giải quyết những thách thức trong việc thu thập dữ liệu hành vi con người trong các lĩnh vực mới phát triển của khoa học đô thị. Chuỗi Ưu tiên tích hợp Tạo Đồ thị Tăng cường (RAG) với LLM để tăng cường mô phỏng ngữ cảnh hành vi con người trong các hệ thống giao thông. Kết quả thử nghiệm sử dụng tập dữ liệu Replica chứng minh rằng Chuỗi Ưu tiên vượt trội hơn LLM tiêu chuẩn về tính nhất quán với các lựa chọn phương thức giao thông trong thế giới thực. Sự phát triển của Tác nhân Di động cho thấy các ứng dụng tiềm năng tại các thành phố mới nổi, bao gồm mô hình hóa di động đô thị, phân tích hành vi di chuyển được cá nhân hóa và dự đoán giao thông động. Mặc dù có những hạn chế như tốc độ suy luận chậm và nguy cơ ảo giác, nó cung cấp một khuôn khổ đầy hứa hẹn để mô phỏng hành vi phức tạp của con người trong môi trường thiếu dữ liệu.
Takeaways, Limitations
•
Takeaways:
◦
Một phương pháp mới để mô phỏng hành vi của con người trong môi trường thiếu dữ liệu.
◦
Cải thiện mô phỏng hành vi con người theo ngữ cảnh thông qua tích hợp RAG và LLM
◦
Nó trình bày nhiều ứng dụng tiềm năng, bao gồm mô hình hóa khả năng di chuyển đô thị ở các thành phố mới nổi, phân tích hành vi di chuyển được cá nhân hóa và dự đoán giao thông động.
◦
Thể hiện hiệu quả của phương pháp thông qua tính nhất quán cao với các lựa chọn vận chuyển thực tế.
