组会 | 2026-04-10

日期 4月 10, 2026
活动 课题组组会

本次组会收录 3 篇文献阅读分享。

分享成员
@果金杉 @卢永晟 @董昱菡

文献方向与要点

本次组会文献分享明细
文献与研究要点分享人发表信息资料

AgentSUMO: An Agentic Framework for Interactive Simulation Scenario Generation in SUMO via Large Language Models

本文提出了一个名为 AgentSUMO 的智能框架，旨在让非专业用户（如城市规划师、决策者）能通过自然语言对话，轻松使用专业的交通仿真软件 SUMO。其核心创新在于，AgentSUMO 不再要求用户逐一下达指令，而是由大语言模型作为智能代理，自主理解用户的高层目标（如“缓解某区域拥堵”），评估任务复杂度、主动询问缺失信息，并自动规划、执行和比较不同的仿真策略。

@果金杉arXiv 2025-11暂无

CuraLight: Debate-Guided Data Curation for LLM-Centered Traffic Signal Control

本文提出了CuraLight这一以大语言模型为核心的交通信号控制框架，通过强化学习智能体辅助生成高质量交互数据，并利用多 LLM 集成辩论系统筛选与优化配时决策，解决了传统 LLM 在异构路口高维配时选择、可解释性与场景知识不足的问题。

@卢永晟arXiv 2026-04暂无

AgentMove: A Large Language Model based Agentic Framework for Zero-shot Next Location Prediction

本研究针对现有大模型直接用于出行预测缺乏系统性设计、难以捕捉复杂移动模式及城市空间结构的问题，提出了系统性的智能体预测框架 AgentMove。该框架将预测任务解耦为“时空记忆模块（挖掘个体模式）”、“世界知识生成器（建模城市结构）”与“集体知识提取器（捕捉群体共享模式）”，不仅提升了零样本情况下的预测精度，还显著降低了大模型固有的地理偏见。

@董昱菡arXiv 2025-02暂无
组会 文献分享