arXiv Artificial Intelligence· Ye Zihao, Lin Xiaoheng·· 13 小时前AI 评分31
ROAM：面向可行多日行程规划的检索增强优化框架
ROAM: Retrieval-Augmented Optimization for Feasible Multi-Day Itinerary Planning
AI 导读
ROAM 是一个检索增强的智能体框架，用于多日行程规划，将语义偏好检索与显式时空优化结合。在四座中国城市、510 个 POI 上，ROAM 的三日行程平均包含 27.5 个 POI，高于裸 LLM 的 19.3 和仅检索基线的 17.0，路线分散度从 2,101 降至 677（3.1 倍）。消融显示空间优化是路线效率的主要驱动因素，硬时间窗修复使约 30% 的景点避免违反营业时间。
推荐理由模型分析
ROAM 把多日行程规划拆成检索、时空优化和 ReAct 式重规划三个环节，用最大团与 K-means 分组、模拟退火 TSP 排序、贪心修复营业时间冲突，再让 LLM 只负责结构化输出。在四个中国城市 510 个 POI 上，三天行程覆盖 27.5 个点，高于裸 LLM 的 19.3 和仅检索基线的 17.0，路线分散度从 2101 降到 677。消融显示空间优化是路线效率主因，硬时间窗修复避免约 30% 景点违反营业时间。适合做 Agent 工具编排或行程规划的研究者参考其模块划分与评测口径，但结论限于该 POI 数据集和离线评测，未涉及真实预订与现场可行性。
来源：arXiv Artificial Intelligence · arxiv.org