TRIPPULSE：具有基于评论的推理的多智能体旅行规划

旅行行程的生成需要平衡严格的时空约束和人类偏好。现有的基于 LLM 的规划器主要依赖于结构化属性和预定义的旅行者角色，但真正的旅行决策通常是由评论决定的，这些评论揭示了结构化数据库中缺少的体验因素，例如舒适性、安全性、服务质量、氛围、拥挤和隐藏风险。因此，纳入此类评论信息对于生成现实的、以用户为中心的行程至关重要。我们提出了 TRIPPULSE1，一个用于基于评论的旅行计划的多智能体框架。 TRIPPULSE2 不依赖单一的规划器（并面临上下文和推理瓶颈），而是将行程生成分解为住宿、交通、餐饮、景点和活动的专门代理（每个代理都在本地上下文中运行），并通过具有强制时间和预算可行性的调度机制的全球协调器进行协调。我们用超过 100K 条真实世界的评论来增强 TRPCRAFT，并引入基于评论的角色一致性 (RGPA)，这是一种 LLM-as-a-Judge 指标，用于评估与以人为中心的旅行体验的一致性。跨多个行程持续时间以及各种专有和开源模型的实验表明，TRIPPULSE 保持了强大的约束满意度，同时生成更加个性化和基于体验的行程。