AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-23
以大型語言模型引導、結合文字商業輸入的運輸樞紐容量規劃
原標題: LLM-Guided Transportation Hub Capacity Planning with Textual Business Inputs
傳統的樞紐站容量規劃模型在量化輸入上能達到良好的最佳化效果,但難以納入質性的商業脈絡。所提出的框架讓大型語言模型代理根據自然語言的商業描述,運用思維鏈決策表反覆提出容量決策,並透過最佳化模型的回饋來檢核每項決策。在美國東南部一個包含 13 個樞紐站的真實貨運網路上,該方法相對於隱藏的真實基準達到 2.8% 的最佳性差距,而不使用文字輸入的傳統最佳化模型則為 11.0%。