arXiv cs.CL· Mifu Matsumoto, Yuki Nakanishi, Tomoya Hashiguchi, Hiroaki Ohshima·· 11 小时前AI 评分24
用 LLM 生成地标路线指引：基于 SVG 结构化地图表示的研究
Structured Maps for Landmark-Based Route Instructions with LLMs
AI 导读
研究提出用 SVG 格式的结构化文本编码地图空间特征，让 LLM 直接获取几何与语义数据以完成地标选择任务。基于人类路线描述与 OpenStreetMap 数据构建的新数据集上，五个 LLM 的测试显示该结构化文本输入效果与 PNG 图像输入相当或更好。任务特定微调还能让较小的本地 LLM 利用地图布局达到高地标选择准确率。
正文 · AI 翻译
摘要：为了生成基于地标的路线指引，模型必须同时理解地图几何结构和人类的地标偏好。尽管大型语言模型（LLM）在语言任务中展现出强大能力，但如何为这些模型组织地图数据的最佳方式尚未确立。本文提出了一种用于路线导航中地标选择任务的结构化文本表示方法，利用 SVG 格式编码空间特征。该结构化文本与渲染后的地图图像保持几何关联，使语言模型能够直接访问空间和语义数据。我们使用由人工撰写的路线描述和 OpenStreetMap 数据创建的新数据集，在两项任务上评估模型：转弯处的地标选择和目的地周围的地标选择。对五个 LLM 的实验表明，所提出的结构化文本输入的表现与基于图像的 PNG 输入相当或更好。此外，针对特定任务的微调使较小的本地 LLM 能够有效利用地图布局，实现高选择准确率。这些结果表明，结构化文本是面向人类导航的空间推理的一种高效且轻量的接口。
| 评论： | 已被 BESC 2026 接收发表 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.36582 [cs.CL] |
| （或 arXiv:2610.36582v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36582 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Hiroaki Ohshima [查看电子邮件]
[v1]
2026年10月27日星期二 03:36:49 UTC（369 KB）
来源：arXiv cs.CL · arxiv.org