Багато завдань щодо планування реального світу передбачають як більш важкі “кількісні” обмеження (наприклад, бюджети або вимоги щодо планування), так і більш м'які цілі (наприклад, уподобання користувачів, виражені природною мовою). Подумайте, що хтось планує тижневу відпустку. Як правило, це планування підлягає різним чітко вимірюваним обмеженням, такими як бюджет, логістика подорожей та відвідування атракціонів лише тоді, коли вони відкриті, крім ряду обмежень, заснованих на особистих інтересах та уподобаннях, які не легко оцінюються.
Великі мовні моделі (LLMS) проходять навчання на масивних наборах даних та інтерналізували вражаючу кількість світових знань, часто включаючи розуміння типових людських уподобань. Таким чином, вони, як правило, добре беруть до уваги не дуже кваліфіковані частини планування поїздки, такі як ідеальний час для відвідування мальовничого виду чи ресторан зручний для дітей. Однак вони є менш надійними для поводження з кількісними логістичними обмеженнями, що може зажадати детальної та актуальної інформації в реальному світі (наприклад, тарифи на автобус, графіки поїздів тощо) або складні вимоги до взаємодії (наприклад, мінімізація подорожей протягом декількох днів). Як результат, плани, створені LLM, часом можуть включати непрактичні елементи, такі як відвідування музею, який був би закритий до моменту, коли ви можете подорожувати туди.
Нещодавно ми представили ідеї AI Trip Ideas у пошуку, функцію, яка пропонує щоденні маршрути у відповідь на запити планування поїздки. У цьому блозі ми описуємо деякі роботи, які перейшли в подолання однієї з ключових проблем у запуску цієї функції: забезпечення вироблених маршрутів практичні та здійсненні. У нашому рішенні використовується гібридна система, яка використовує LLM, щоб запропонувати початковий план у поєднанні з алгоритмом, який спільно оптимізує для подібності до плану LLM та факторів у реальному світі, таких як час у дорозі та години роботи. Цей підхід інтегрує здатність LLM обробляти м'які вимоги з алгоритмічною точністю, необхідною для відповідності жорстких логістичних обмежень.