본 논문은 여행 계획을 위한 포괄적인 벤치마크를 소개한다. 이 벤치마크는 미세한 기준들을 단일 보상으로 통합하여 계획 품질을 직접 비교하고 강화 학습(RL)과의 원활한 통합을 가능하게 한다. 연구진은 여행 전문가 주석과 적절한 일치도(60.75%)를 달성하는 평가자를 개발했으며, 실제 사용자 의도를 일반화하기 위해 4,870개의 쿼리(219개의 실제 자유 형식 요청 포함)로 구성된 대규모 데이터 세트를 공개했다. 다양한 방법과 LLM에 걸쳐 광범위한 실험을 수행한 결과, RL이 일반적으로 프롬프트 기반 및 지도 학습 기반보다 여정의 실현 가능성을 향상시키며 더 높은 통합 보상 점수를 얻는다는 것을 발견했다.
