arXiv cs.CL· Zhi Liu, Yurun Cai, Xiao Han, Zhi Zhen, Yuran Li, Guojiang Shen, Xiangjie Kong·· 12 小时前AI 评分20
TAGR：跨异构城市配送任务的任务自适应地理语义检索框架
TAGR: Task-Adaptive Geo-Semantic Retrieval across Heterogeneous Urban Delivery Tasks
AI 导读
TAGR 是一个面向城市配送的任务自适应地理语义检索框架，用 LLM 构建地理语义共享先验与任务专属检索库，在共享区域知识的同时保留各任务异构证据。它引入任务自适应检索增强模块适配不同输出结构，缓解统一检索融合带来的信息错配与负迁移，且无需在线 LLM 推理。在三个城市数据集上，TAGR 在需求预测、到达时间预测和下一站预测等任务上均优于 SOTA 基线。
正文 · AI 翻译
摘要：随着城市居民对高质量即时配送服务的需求日益增长，需求预测、预计送达时间预测和下一站预测已成为城市配送系统中的关键任务。然而，这三项任务所依赖的历史证据在结构和粒度上存在显著差异。同时，它们的预测目标在输出形式上各不相同，使得难以通过单一的融合机制整合检索到的证据，而不引发不匹配或负迁移。这些问题会增加预测误差，进而导致资源分配失衡：一些地区出现需求未被满足，而另一些地区则资源利用不足，最终降低整体效率和服务质量。为应对这些挑战，我们提出了 TAGR，一个面向异构城市配送任务的、任务自适应的地理语义检索框架。TAGR 构建了基于 LLM 的地理语义共享先验和任务特定的检索库，在共享区域知识的同时保留异构的任务特定证据。由 LLM 导出的区域表示编码了地理上下文和区域间的语义关系，为全部三项任务提供可迁移的知识，且无需在线 LLM 推理。它进一步引入了任务自适应检索增强模块，以适应异构的输出结构，从而缓解由统一检索-融合策略造成的信息不匹配和负迁移。在三个城市数据集上的实验表明，TAGR 在多项任务上持续优于最先进的基线方法。
| 主题： | 信息检索（cs.IR）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.28638 [cs.IR] |
| （或 arXiv:2610.28638v1 [cs.IR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28638 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Cai Yurun [查看邮箱]
[v1]
2026年8月12日 星期三 05:25:25 UTC（312 KB）
来源：arXiv cs.CL · arxiv.org