每日论文精读 #021：从行为轨迹推断偏好，8B模型RL训练反超GPT-4.1Behavior2Trip提出从用户历史行为轨迹隐式推断偏好的旅行规划新任务，RL训练的Qwen3-8B在个性化约束上大幅反超GPT-4.1