LLM 规划代理

将大型语言模型 (LLM) 作为规划代理整合到城市设计和规划中，代表了一种解决该领域固有复杂性的新方法。本研究探讨了它们的潜力和挑战，重点关注它们模拟决策过程、增强利益相关者参与度和提供分析支持的能力。该研究使用代理框架评估了 63 个城市发展提案，重点关注水管理，采用顺序和嵌套框架。对几个 LLM 进行了测试，以调查不同模型规模的性能差异。研究结果表明，虽然 LLM 代理表现出“常识”并遵循规划建议，但它们对可访问数据的依赖往往会导致过于通用的输出，这强调了对更好的数据检索机制的需求，例如检索增强生成 (RAG)。实验结果表明，嵌套框架在推理和决策方面优于顺序框架，但局限性仍然存在，包括偏见、有限的空间意识和偶尔的离题生成。应对这些挑战需要新颖的代理架构和及时的工程设计。较小的模型有时比较大的模型表现更好，这挑战了规模保证准确性的假设。尽管存在这些限制，但 LLM 在识别被忽视的细节和增强场景探索方面表现出了价值。这项研究还提倡改进空间推理、数据集成和框架设计。