北京航空航天大学经管学院主办的“至信论坛”系列讲座2025年第2期于12月25日10：00在新主楼A1148线下举办。本期“至信论坛”的主讲嘉宾为香港大学李加阳助理教授，讲座主题为：“Representative Agents for Traffic Modeling: From Fully LLM-Driven to LLM-Guided Learning”。讲座由北航经济管理学院刘天亮教授主持，经管学院近30位师生参加了讲座。
李教授首先介绍到，当前许多研究将大语言模型（LLMs）用作基于代理的交通模型中，模拟自利出行者的个人偏好与行为决策，这相比传统模型更具灵活性和普适性。然而，其大规模实际应用仍面临显著挑战：若为模型中的每个出行者单独调用一个LLM，其计算成本高昂，可扩展性受限。此外，研究发现，完全由LLM驱动的代理在模拟中容易产生不稳定的日常动态行为。针对这些挑战，李教授团队提出了创新性的解决方案：采用“代表性代理”框架。该框架不再为每个同质出行者单独建模，而是使用单一有代表性的LLM代理来模拟面临相同决策环境的出行者群体。这个代理的行为逼近群体的平均表现，能够执行和维护一种混合出行策略。在每日模拟中，该LLM代理会回顾出行体验，并通过积极的强化学习机制标记出更希望使用的路线。随后，通过一套精心设计的可解释规则，将LLM的这种高层判断转化为具体的策略调整，并采用可调节（逐步衰减）的步长来控制学习过程。这种设计大幅提升了模型的计算效率与可扩展性，其“推理与学习分离”的机制也有效稳定了长期动态。研究显示，在经典的交通分配场景中，该方法能够快速收敛至用户均衡状态。即使在复杂的场景下，如考虑收入异质性、多准则成本（时间、费用等）以及多模式选择时，模型产生的动态依然保持稳定且具有良好的可解释性。特别值得注意的是，该方法能够自然地复现心理学和经济学中经典的行为模式，例如收费公路选择中的“诱饵效应”，以及高收入旅行者对于出行便利性具有更高支付意愿的现象。
李教授对基于大语言模型的代表性代理建模方法的深入讲解，系统剖析了当前智能出行行为模拟中的核心瓶颈，并提出了融合大模型推理与可解释学习规则的新路径，为交通系统建模、行为分析与政策评估带来了新的研究思路与重要启迪。在讲座后的交流环节，与会师生就模型的可解释性、多智能体协作、以及在更复杂城市交通系统中的应用前景等问题，与李教授进行了热烈而深入的探讨。报告会在浓厚的学术氛围中圆满结束。
个人简介：李加阳（Jiayang Li），现任香港大学数据与系统工程学系助理教授，兼任香港大学交通研究所研究员。他于2019年获得清华大学数学学士学位，2024年获美国西北大学交通学博士学位。其研究聚焦于融合优化、博弈论与机器学习方法，以解决交通与移动系统中的关键问题，特别是在智能出行建模与决策领域具有深厚积累。他学术成果丰富，已在Transportation Science、Transportation Research Part B、Operations Research、ISTTT、NeurIPS和ICML等国际顶尖期刊与会议上发表多篇论文。
