资讯摘要
论文评估紧凑型本地部署大语言模型能否从不完整轨迹中恢复缺失的出行信息，以高置信度航空出行为受控测试案例，并考察更明确的提示词能否弥补端点证据缺失。作者使用2022年1月美国全国LBS数据与机场参考数据，将30次高置信度航空出行转换为三种不完整轨迹条件，用四种提示变体和两个模型生成720次请求。作者报告精确转换准确率为9.2%，起点和终点准确率分别为31.4%和10.7%，仅1.9%的请求同时恢复规则识别的转换与参考机场对。
要点速读
- 论文将30次高置信度航空出行按移除起点机场、终点机场或两者附近观测，构造三种不完整轨迹条件。
- 四种提示变体与两个LLM共生成720次请求，每次采用两阶段流程：先识别飞行转换段，再选择起点和终点机场。
- 作者报告精确转换准确率9.2%，起点、终点准确率分别为31.4%和10.7%，同时恢复转换与参考机场对的请求仅占1.9%；最明确的提示词取得最高的精确转换与机场对恢复率。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 21:06:32（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。