CHATATC: Large Language Model-Driven Conversational Agents for Supporting Strategic Air Traffic Flow

UnknownBody

于 2024-05-04 12:25:57 发布

阅读量104

点赞数

本文链接：https://blog.youkuaiyun.com/c_cpp_csharp/article/details/138438752

版权

LLM Daily 同时被 2 个专栏收录

1264 篇文章 ¥99.90 ¥299.90

订阅专栏

超级会员免费看

Urban and Traffic

18 篇文章

订阅专栏

本文介绍了一个名为CHATATC的大型语言模型，用于在非安全关键的交通流管理环境中辅助决策。利用ChatGPT和GDP历史数据训练，CHATATC能够处理查询并提供相关GDP信息。尽管存在一些限制，如日期检索不准确，但该工具的潜力在于简化信息提取和提高交通管理效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文是LLM系列文章，针对《CHATATC: Large Language Model-Driven Conversational Agents for Supporting Strategic Air Traffic Flow Management》的翻译。

摘要

通过ChatGPT等公开工具，生成人工智能（AI）和大型语言模型（LLM）迅速流行起来。人类用户与ChatGPT等计算机应用程序之间的自然互动，以及强大的摘要和文本生成功能，推动了LLM在个人和专业用途中的应用。鉴于这种生成人工智能工具的广泛使用，在这项工作中，我们研究了如何在非安全关键的战略性交通流管理环境中部署这些工具。具体而言，我们根据2000年至2023年期间地面延迟计划（GDP）发布的大量历史数据集，训练LLM CHATATC，该数据集包括80000多个GDP实施、修订和取消。我们测试了CHATATC的查询和响应能力，记录了成功（例如，提供正确的GDP率、持续时间和原因）和缺点（例如，最高级问题）。我们还详细介绍了图形用户界面的设计，供未来用户与CHATATC会话代理进行交互和协作。