Перепланировать, отремонтировать или Эдит? Единая эмпирическая оценка туристических агентов для целей пересмотра документов в связи с дефицитом ресурсов
arXiv: 2609.19654v1 Вид уведомления: новое резюме: агентства по планированию поездок создают маршруты, которые могут стать неосуществимыми после принятия из-за отмены полетов, отсутствия гостиниц или закрытия достопримечательности. Пересмотр этих маршрутов предполагает полное планирование, классический ремонт плана и пересмотр на основе LLM турагента, различные формулировки задач и протоколы оценки которых препятствуют сопоставлению. Мы проводим систематическое эмпирическое исследование с использованием двух контрольных наборов, разработанных ТРЕК: 500 случаев одиночного нарушения, включая практически осуществимые и неосуществимые случаи, а также 200 возможных случаев одновременного разрушения комплексов. Мы сравниваем полное перепланирование LLM-Z3 и иерархический ремонт IPyHOPER, а также локальный корректировочный адаптер iTИМО с точки зрения эффективности, стабильности планирования и вычислительной стоимости. LLM-Z3 вместе с Джемини добились самого высокого замечавшегося успеха в разрушении комплекса. IPyHOPER почти соответствует общему успеху этой конфигурации в одном сбое, сохраняя при этом значительно большее количество принятого маршрута
