多目标偏好可调
通过知识增强提示将交通领域知识注入大语言模型，结合强化学习微调算法，实现无监督下的自适应交通信号控制策略学习，并支持不同目标偏好下的策略调整。
Mingqian, Tang · Yu, Chunhui · Li, Can · Su, Z. C. · Wanjing, Ma
Transportation Research, Part C: Emerging Technologies 2026
采用PPO强化学习微调，通过环境交互学习策略，避免构建大规模标注数据集。
引入偏好权重采样，使模型能在不同目标偏好下学习信号控制策略。
通过整合Zero-Shot、CoT、LtM和MCP工具调用构建六模块提示模板，嵌入交通领域模型和理论，缩小知识鸿沟。
模型在实验中对信号控制决策展现出较强的可解释性和泛化能力。