论文
ProfiLLM：面向工业网约车调度的效用对齐智能体用户画像
ProfiLLM: Utility-Aligned Agentic User Profiling for Industrial Ride-Hailing Dispatch
摘要
把大语言模型（LLM）作为平台级行为日志上的语义特征抽取器引入工业网约车调度——是一个引人注目但少被探索的数据系统问题。生产匹配管线仍由结构化数值特征主导——而决定性的行为信号（如司机对特定区域的习惯性规避）本质上是情境化的——且自然可表达为LLM生成的用户画像。但把此类画像扩展到毫秒级实时调度面临三个少被同时解决的交织约束：在日订单数百万的平台上——日志超出任何LLM上下文窗口数个量级；多数用户是长尾的——交互太少无法做逐用户画像；且表面流畅的画像不一定改进下游预测效用。我们呈现ProfiLLM——智能体LLM数据管线——经两个模块把效用对齐的用户画像操作化到生产匹配系统。(1) 工具增广的全局知识挖掘——为LLM智能体配备27个分析工具挖掘平台级数据——产出可复用全局知识、自适应用户聚类规则与区域级供需先验。(2) 效用对齐的画像探索——为每簇生成多个候选画像——经轻量下游效用代理评估——迭代精炼最佳候选并构建DPO微调偏好对。部署于滴滴生产调度器——ProfiLLM取得至多+6.14%结果预测相对AUC改进——调度仿真中至多+4.35% GMV增益——以及14天在线A/B的一致改进：GMV +0.47%、完单率+0.33%、接单前取消率-0.82%。
