University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

Hard Rules, Soft Preferences: Bridging Reasoning, Learning, and Optimization for Personalized Packing Checklist Generation

硬规则，软偏好：为个性化行李清单生成搭建推理、学习和优化的桥梁

Himel Dev, Madhusudan Basak, Tanmoy Sen, Paromita Shome, Bashima Islam

机构 * Tech LLC（529科技有限责任公司） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Virginia（弗吉尼亚大学） 纠错

AI总结 针对航空旅行打包易出错问题，提出含符号引擎、偏好学习器和CP - SAT优化器的推理引导学习框架，能生成个性化、合规行李清单，在实验中表现良好，在应用中提升了清单完成量并减少了时间。

From Feasibility to Desirability: Plan, Learn, Adapt (PLA) Framework for Personalized On-Device Itinerary Generation

从可行性到合意性：用于个性化设备端行程生成的计划、学习、适应（PLA）框架

Himel Dev, Tanmoy Sen, Madhusudan Basak, Bashima Islam

机构 * Tech LLC（529科技有限责任公司） ； University of Virginia（弗吉尼亚大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 研究针对个性化设备端行程生成问题，提出PLA框架，分计划、学习、适应三阶段，通过构建规划器集合、拟合奖励模型及进行局部优化来生成行程，实验表明该框架在可行性和胜率上表现出色，还提升了生产部署中的行程完成率并降低延迟。