arXiv cs.CL· Zihao Sheng, Pei Li, Zilin Huang, Yen-Jung Chen, Yuhao Luo, Zhengyang Wan, Steven T. Parker, David A. Noyce, Sikai Chen·· 9 天前AI 评分22
大语言模型辅助交通管理计划编制：WisDOT WisTMP 系统案例研究
Large Language Model-Assisted Preparation of Transportation Management Plans: A Case Study with WisDOT WisTMP System
AI 导读
研究提出一套 LLM 辅助框架，以 WisDOT WisTMP 系统为应用场景自动生成交通管理计划（TMP）内容，通过将历史 WisTMP 文档的 PDF 转为 JSON 格式问答对构建领域数据集，并对多个不同规模的开源 LLM 进行微调后本地部署以保障数据安全。
正文 · AI 翻译
摘要：工作区是交通基础设施中至关重要却又充满危险的部分，需要精心设计的交通管理计划（TMP）来确保安全与通行能力。然而，TMP 的编制仍然劳动密集，且高度依赖从业者的专业知识。本文提出了一种由大语言模型（LLM）辅助的框架，用于自动生成 TMP 内容，并以 WisDOT WisTMP 系统作为应用场景。该框架对不同模型规模的多个开源 LLM 进行微调，并将其部署在本地以确保数据安全。为支持模型训练，我们通过将 PDF 文件转换为 JSON 格式的结构化问答对，从历史 WisTMP 文档中构建了一个领域特定数据集。实验结果表明，微调在标准文本生成指标上显著提升了性能。进一步的分章节和策略层面分析显示，尽管 LLM 取得了较强的整体表现，但它们倾向于过度生成策略，并且难以生成针对具体项目的论证依据和准确的成本估算。此外，从 7B/8B 扩展到 14B 带来的收益有限。这些发现表明 LLM 在提升 TMP 编制效率方面具有潜力，同时也凸显了 LLM 辅助 TMP 开发中仍然存在的挑战。源代码和演示视频将在 此 https URL 公开提供。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.10650 [cs.CL] |
| （或 arXiv:2610.10650v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.10650 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zihao Sheng [查看邮箱]
[v1]
2026年10月7日星期三 15:51:01 UTC（1,682 KB）
来源：arXiv cs.CL · arxiv.org