🤖 machine learning

From Feasibility to Desirability: Plan, Learn, Adapt (PLA) Framework for Personalized On-Device Itinerary Generation

本文介绍了计划、学习、适应（PLA）框架，这是一个三阶段的端侧系统，它结合了轻量级规划器集成与紧凑型奖励模型，用以生成可行且极具吸引力的个性化行程，在人类评估中优于单一规划器和前沿大语言模型（LLM），同时实现了生产级的延迟与可行性。

原作者： Himel Dev, Tanmoy Sen, Madhusudan Basak, Bashima Islam

发布于 2026-07-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Himel Dev, Tanmoy Sen, Madhusudan Basak, Bashima Islam

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你是一位飞船舰长，但你航行的不是星辰大海，而是一个繁忙的城市，目标是规划一场完美的假期。这就是旅行规划的世界，一个处于两个截然不同的科学领域交汇处的谜题。一方面，你拥有组合优化（combinatorial optimization），它就像一位严厉的数学老师，确保你不会违反规则：博物馆下午5点关门，火车6点出发，而且你不能重复访问同一个地方。另一方面，你拥有偏好学习（preference learning），它就像一位试图猜测你内心真实渴望的通灵者——你是想要轻松的一天，还是充实的一场冒险？棘手之处在于，这两个世界经常发生冲突。一个在数学上完美的行程可能会让人感到枯燥，而一个梦幻且有趣的行程在实际执行中可能根本无法实现。对于每一个曾尝试规划旅行的人来说，核心问题在于：我们如何构建一个既在法律逻辑上可行、又能带来纯粹愉悦体验，同时还能在手机上运行且无需联网的旅行指南？

本文介绍了一个名为 PLA（计划、学习、适配） 的巧妙新系统，旨在解决这个难题。作者在与一款名为 FlyEnjoy 的旅游应用合作时发现，现有的方法在两个特定方面失效了。一些传统的规划器非常擅长遵守规则，但在理解人类品味方面表现糟糕，创造出的行程往往显得机械化。与此同时，那些最新潮、最华丽的 AI 工具（比如大家都在谈论的巨型语言模型）听起来非常有帮助，但在基础的旅行数学计算上却彻底失败了；在测试中，这些 AI 模型生成的行程是严格不可行的（成功率为 0%），统计上限表明其有效率可能低于 4%，即违反了营业时间和交通时间的要求。

为了解决这个问题，团队构建了一个完全在你的手机上运行的三步走“工厂”：

计划（构思工厂）： 他们并没有仅仅依赖一种方式来制定计划，而是构建了一个由五种不同“规划器”组成的团队（比如一位贪婪的厨师、一位谨慎的会计师和一位富有创造力的艺术家）。每位规划器都尝试从头开始构建一个有效的行程。由于他们的思考方式各异，他们会产生非常不同的游览地点列表，从而确保拥有一个多样化的“可行”（遵守规则）选项池。
学习（品味测试员）： 团队并没有仅仅靠猜测人们的喜好，而是让真人对成对的全天行程进行比较。他们收集了超过 2,500 次此类比较数据。利用这些数据，他们训练出了一个微型且极速的“奖励模型”（一个数字化的品味测试员），该模型学会了识别一段伟大旅行中的隐性品质，例如良好的节奏感和活动的平衡感，而不仅仅是统计参观了多少家博物馆。
适配（本地精炼师）： 一旦选定最佳行程，这个阶段会对它进行细微且安全的调整。这就像一位厨师在品尝汤品后加了一撮盐，但有一个严格的规则：每一次改动都必须保持配方的有效性。 如果一次调整破坏了进度（比如让你到达一家已关门的店铺），它会被立即丢弃。这个过程运行得极快，平均仅需 109.9 毫秒，这意味着即使你在没有 Wi-Fi 的飞机上，也能瞬间获得一份完美且个性化的计划，因为该系统是为“离线优先”的使用场景设计的。

结果令人印象深刻。当他们用这套“计划、学习、适配”团队与单一的最佳规划器进行对比测试时，该系统在面对人类评委时胜率达到了 67.8%。相比之下，当他们要求三款最先进的 AI 模型（GPT-5、Claude Opus 4.5 和 Gemini 3 Pro）在同样的严格规则下创建行程时，**没有任何一个模型（0%）**能生成一个有效的行程。该系统也展现了良好的泛化能力，在从未见过的 100 多个美国城市中都能准确运行。

在现实世界中，当他们将此系统部署到 FlyEnjoy 应用中时，结果是切实的。用户开始进行旅行规划的频率提升了 83%，且有 91% 的更多用户最终完成了他们的行程。该系统不仅制作了计划，还让整个体验变得更加顺畅，证明了你可以拥有一份既在数学上完美无瑕、又在体验上妙趣横生的旅行指南，而且它就活生生地存在于你的口袋之中。

技术摘要：从可行性到期望性：计划、学习、适配（PLA）框架

1. 问题陈述

本文探讨了在移动设备上生成个性化多日旅行行程单所面临的挑战。这一任务的核心矛盾在于**硬组合可行性（hard combinatorial feasibility）与软潜在期望性（soft latent desirability）**之间的基本张力：

可行性： 行程单必须严格遵守时空约束，包括兴趣点（POI）的营业时间、旅行时间、每日时间预算以及成本限制。
期望性： 行程单必须满足用户关于节奏、地理连贯性和类别多样性的主观偏好，而这些偏好难以通过静态、手工设计的目标函数来捕捉。
可行性（Viability/落地能力）： 解决方案必须能够部署在终端设备上（特别是针对离线优先的 iOS 环境），并满足严格的延迟要求（交互式速度）和隐私约束，这排除了依赖云端的大型语言模型（LLM）。

现有方法无法同时满足这三个要求：经典的优化算法能确保可行性，但缺乏细致的偏好建模；基于学习的方法能捕捉偏好，但往往违反硬约束；而 LLM 虽然擅长自然语言生成，但经常产生无效的日程表（在作者的基准测试中可行性为 0%），且不兼容离线、低延迟的移动端部署。

2. 方法论：PLA 框架

作者提出了 Plan, Learn, Adapt (PLA) 框架，旨在共同解决可行性、期望性和落地能力问题。

第一阶段：PLAN（多样化可行性生成）

Plan 阶段使用由五种轻量级规划算法组成的**异构集成（heterogeneous ensemble）**来生成结构多样且可行的候选行程单，所有算法共享一个统一的可行性层：

算法： 贪心算法（构造式）、动态规划（DP）、束搜索（Beam Search）、A* 搜索和模拟退火（SA）。
可行性层： 一个共享的逻辑模块，用于强制执行硬约束（访问时间、旅行时间一致性、时间/成本预算、无重复访问）并计算最早可行到达时间。
目标： 尽管所有规划器都优化一个共享的复合评分（平衡旅行效率、等待时间、紧迫性、类别多样性和 POI 流行度），但它们截然不同的搜索范式产生了结构迥异的行程单。这种多样性至关重要，因为没有任何一种算法能在所有旅行场景下都占据主导地位。

第二阶段：LEARN（人类偏好建模）

Learn 阶段拟合一个紧凑的奖励模型，以捕捉行程层面的潜在用户满意度，而非依赖于单个 POI 的评分。

数据收集： 收集了涵盖 100 多个美国城市的 2,519 组成对的人类行程单比较数据。标注者在不知道来源的情况下，在不同规划器生成的行程单之间进行选择。
模型架构： 在约 20 个可解释的行程层特征（如总旅行时间、类别熵、每日负载平衡、日程松弛度）上训练了一个 Bradley-Terry 奖励模型。
- 模型使用基于差异的公式： $P(x_a \succ x_b) = \sigma(R_\theta(x_a) - R_\theta(x_b))$ 。
- 单调性约束： 模型在优化过程中直接强制执行领域知识（例如，增加旅行时间不应提高奖励）。
选择： 奖励模型充当选择器，从 Plan 阶段生成的多样化池中选出得分最高的行程单。

第三阶段：ADAPT（设备端精炼）

Adapt 阶段在严格的设备感知计算预算内，对选定的种子行程单进行奖励引导的局部精炼。

保持可行性的编辑： 系统对行程单应用原子算子（删除、插入、替换、交换、重新定位、移动天数）。至关重要的是，每一次编辑后都会进行**增量重新计时（incremental re-timing）*程序以验证约束。如果某次编辑违反了约束，则会被丢弃。这保证了每一个*中间状态都是可行的，不同于事后修复方法。
搜索策略： 采用带有随机邻域采样的爬山法（hill-climbing）来选择能提高奖励得分的移动操作。
资源感知： 精炼过程受动态时间预算（通常为 ~200–500 毫秒）限制，该预算根据设备信号（核心数、内存、电源模式）进行调整，以确保交互式延迟。

3. 核心贡献

异构规划器集成： 作者通过实验证明，没有单一的规划算法具有绝对优势。通过结合五种不同的算法，他们在成对比较中实现了 67.8% 的胜率，比表现最好的单一规划器（DP）高出 11.2 个百分点。
行程层级偏好建模： 本文超越了单 POI 评分，引入了一个基于完整行程比较的紧凑型 Bradley-Terry 模型。该模型能捕捉涌现属性（如节奏、每日平衡），并在留一城市交叉验证中达到了 67.6% 的准确率。
设备端保持可行性的精炼： Adapt 阶段通过构建机制保证了 100% 的可行性，同时提升了期望性。它实现了平均 109.9 毫秒 的设备端延迟，支持完全离线的交互式执行。

4. 实验结果

可行性 vs. LLM： 在针对三种前沿 LLM（GPT-5, Claude Opus 4.5, Gemini 3 Pro）进行的 294 个行程单基准测试中，LLM 的严格可行性为 0%，违反了旅行时间和访问时间等约束。相比之下，PLA 保持了 100% 的可行性。
集成性能： 经奖励引导的集成方案比表现最好的单一规划器高出 11.2 个百分点（67.8% 对比 56.6% 的胜率）。选择分布显示出高熵（达到最大值的 97.6%），证实了不同的算法根据上下文贡献了独特的内容。
精炼提升： Adapt 阶段在所有种子算法上都带来了显著的得分提升。例如，A* 种子看到了 11.7% 的提升，而原本得分已经很高的集成种子提升了 3.9%。
生产影响： 在 FlyEnjoy iOS 应用中部署后，与单一启发式基准相比，PLA 将行程单的完成率提高了 91%，启动率提高了 83%，同时将用户的平均单次会话时间减少了 38%。

5. 重要性与主张

本文声称 PLA 为现实世界部署约束下的对齐人类偏好规划提供了一个可行的蓝图。其重要性在于解决了无需依赖云端 AI 即可实现可行性与期望性权衡的问题：

鲁棒性： 通过将可行性（Plan）与偏好学习（Learn）分离，并使用保持可行性的精炼（Adapt），该系统避免了学习型和生成式 AI 中常见的“无效日程”问题。
便携性： 使用紧凑、可解释的奖励模型和轻量级搜索算子，使得系统可以完全在设备端运行，支持在云端 API 不可用或成本过高的离线场景（如机场、机上）中使用。
实用性： 该框架证明了复杂的、多日的规划可以在交互式延迟（<300 毫秒）内完成，同时严格遵守硬约束，这是目前前沿 LLM 在该特定领域所缺乏的能力。

作者总结道，虽然 LLM 在处理硬约束方面表现挣扎，但结合了经典优化、偏好学习和受限局部搜索的结构化混合方法，可以为个性化行程单生成提供更优越、具备生产就绪能力的方案。