כתבה
arXiv cs.AI ·
LLM-Guided Reinforcement Learning עם סוכני נציגים למודלים תנועה
LLM-Guided Reinforcement Learning with Representative Agents for Traffic Modeling
מודלי LLM מונחים ללמידת רפורמציה לתכנון תנועה עם סוכני נציגים. כל קבוצת נוסעים נוצרת סוכן נציגי LLM אחד, שמחזיק ומעדכן סטרטגיה מעורבת על דרכים שמתאימה לאחוזי זרימה הקבוצתיים. העיצוב הסוכן-נציגי משפר את הקשר, והפרדה בין הסיבולת לעדכון מסבירה את הלוגיקה ההחלטית ומייצבת את הלמידה.
תקציר מקורי באנגליתarXiv:2511.06260v2 Announce Type: replace-cross Abstract: Large language models (LLMs) are increasingly used as behavioral proxies for self-interested travelers in agent-based traffic models. Although more flexible and generalizable than conventional models, the practical use of these approaches remains limited by scalability due to the cost of calling one LLM for every traveler. Moreover, it has been found that LLM agents often make opaque choices and produce unstable day-to-day dynamics. To address these challenges, we propose to model each homogeneous traveler group facing the same decision context with a single representative LLM agent who behaves like the population's average, maintaining and updating a mixed strategy over routes that coincides with the group's aggregate flow proporti
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית