Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Aligning LLM with human travel choices: a persona-based embedding learning approach

Created by
  • Haebom

저자

Tianming Liu, Manzi Li, Yafeng Yin

개요

본 논문은 대규모 언어 모델(LLM)을 교통 수요 모델링에 활용하는 새로운 프레임워크를 제시합니다. LLM과 인간의 행동 불일치 문제를 해결하기 위해, 기존 여행 수요 데이터의 제약 조건을 고려하여 효율적이고 실용적인 개인 특성 추론 및 적용 과정을 통해 LLM을 조정하는 방법을 제안합니다. 실증 데이터를 기반으로 기본 개인 특성 집합을 설정하고, 행동 임베딩으로 구동되는 학습된 개인 특성 적용 함수를 사용하여 LLM을 조건화합니다. Swissmetro 모드 선택 데이터셋을 사용한 검증 결과, 제안된 방법은 기존 모드 선택 모델 및 LLM 기반 시뮬레이션 모델보다 집계 모드 선택 비율과 개별 선택 결과 예측에서 훨씬 우수한 성능을 보였으며, 해석 가능한 매개변수를 통해 인구 행동에 대한 통찰력을 제공합니다. 결론적으로, 본 연구는 더욱 적응력 있고 해석 가능하며 자원 효율적인 강력한 LLM 기반 교통 행동 시뮬레이션 경로를 제공하여 향후 교통 수요 모델링 실무에 LLM을 통합하는 길을 열어줍니다.

시사점, 한계점

시사점:
LLM을 활용한 교통 수요 모델링의 새로운 프레임워크 제시
기존 모델 대비 향상된 예측 정확도 달성 (집계 모드 선택 비율 및 개별 선택 결과)
해석 가능한 매개변수를 통한 인구 행동에 대한 통찰력 제공
효율적이고 실용적인 LLM 조정 방법 제시
교통 수요 모델링 실무에 LLM 통합 가능성 제시
한계점:
제안된 프레임워크의 일반화 가능성에 대한 추가 연구 필요 (Swissmetro 데이터셋에 대한 검증 결과만 제시)
다양한 유형의 교통 수요 데이터에 대한 적용성 검토 필요
LLM의 행동 불일치 문제에 대한 완벽한 해결책이 아닐 수 있음
개인 특성 추론 및 적용 과정의 복잡성 및 계산 비용 고려 필요
👍