每日论文精读 #027：GPT-4.1在行为感知旅行规划上近乎全军覆没，8B小模型靠RL反超
美团+北航提出Behavior2Trip基准与B2T-Agent：从用户历史行为轨迹推断偏好生成旅行计划，GPT-4.1最难任务全约束通过率仅0.5%，而GRPO强化学习训练的Qwen3-8B反超至4.7，还泛化赢下TravelPlanner。
记忆
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-4.1
Behavior2Trip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