본 논문은 여행 계획 수립이 다양한 실세계 정보와 사용자 선호도를 통합해야 하는 복잡한 작업임을 강조합니다. 기존의 대규모 언어 모델(LLM) 기반 여행 계획 방법들은 장기간 계획에서 다면적인 제약 조건과 선호도를 처리하는 데 어려움을 겪어 최적이 아닌 여정을 생성하는 문제가 있습니다. 이를 해결하기 위해, 본 논문은 장기적인 맥락, 긴 지시, 긴 출력을 강조하는 $L^3$ 계획 문제로 정식화하고, 다양한 측면의 계획(MAoP)이라는 새로운 방법을 제시합니다. MAoP는 LLM이 광범위한 시야를 가지고 복잡한 계획 문제를 해결하도록 합니다. 직접적인 계획 대신, MAoP는 전략가를 활용하여 다양한 측면에서 사전 계획을 수행하고 계획 모델을 위한 청사진을 제공하여 성능 향상을 위한 강력한 추론 시간 확장성을 가능하게 합니다. 또한, 기존 벤치마크는 과거 사건이 후속 여정에 영향을 미치는 여행의 역동적인 특성을 간과하여 실제 실행 가능성을 반영하지 못하는 한계가 있습니다. 이를 해결하기 위해, 본 논문은 실제 여행 시뮬레이션을 통해 계획을 평가하는 에이전트 기반 벤치마크인 Travel-Sim을 제안합니다. 이 연구는 복잡한 계획에서 LLM의 기능을 향상시키고, 에이전트 기반 시뮬레이션을 통해 정교한 시나리오를 평가하기 위한 새로운 통찰력을 제공합니다.
