CALM：用于基于活动的旅行者模拟的校准型大语言模型选择网络框架
内容导读
我们提出CALM，一个可复现的混合框架，整合可选的大语言模型（LLM）活动规划器、经校准的随机选择、共享网络反馈、记忆与习惯、类型化可行性检查以及确定性的离线回放。不同于行程方式分类器或仅基于日记的生成器，CALM执行封闭的旅行者日循环，并针对一个经验性、可复现的基线评估每个生成模块。在2024年纽约市全市出行调查（CMS）中，110,6……
对照原文
CALM: A Calibrated LLM Choice Network Framework for Activity-Based Traveler Simulation
We present CALM, a reproducible hybrid framework that integrates an optional large language model (LLM) activity planner with calibrated stochastic choice, shared network feedback, memory and habit, typed feasibility checks, and deterministic offline replay. Unlike trip-mode classifiers or diary-only generators, CALM executes a closed traveler-day loop and evaluates each generative module against an empirical, reproducible baseline. On the 2024 New York City Citywide Mobility Survey (CMS), 110,6…
SOURCES · 01
相关来源
- 01arXiv · AI 文旅预印本原文
arxiv.org