WWW 2026 录用的《Intelli-Planner》论文展示了 LLM 与 DRL 结合在城市规划中的巨大潜力。该框架解决了传统规划效率低和奖励函数设计难的痛点，通过 LLM 充当向导和裁判，显著提升了规划质量与收敛速度，为复杂决策任务提供了新范式。
智能速览
提出 Intelli-Planner 框架，让 LLM 成为 DRL 的大脑。
LLM 作为向导分析数据，生成高层级规划需求。
LLM 模拟市民代表打分，实现自动化 RLHF。
注入领域知识，加速 Policy Network 收敛。
方案在人类满意度指标上超越传统基线。
精华内容
面对传统城市规划效率低下与 DRL 奖励函数设计难的双重挑战，Intelli-Planner 巧妙融合 LLM 的大脑与判官角色，重新定义了 AI 规划逻辑。
突破传统痛点
传统城市规划严重依赖人类专家，导致决策过程缓慢且效率低下。而单纯使用深度强化学习（DRL）时，其奖励函数的设计极其复杂，往往需要大量试错。Intelli-Planner 框架的提出，正是为了解决这两个棘手问题，试图在智能化与可执行性之间找到平衡点。
LLM充当向导
框架首先利用 LLM 作为协调员，对复杂的地理和人口数据进行深度分析。它能生成高层级的规划需求，相当于为 DRL 智能体提供了一份详尽的攻略。这种机制有效避免了 DRL 在盲目探索中的无效尝试，大幅提升了决策的准确性。
引入AI裁判
论文创新性地让 LLM 扮演市民代表，对 DRL 生成的方案进行满意度打分。这实际上是一种自动化的 RLHF，即利用 AI 的反馈来训练 AI 模型。这种方法成功解决了传统奖励函数难以量化的难题，使规划更贴近实际需求。
加速模型收敛
通过将 LLM 的领域知识注入到策略网络中，模型的收敛速度得到显著提升。实验结果表明，该方案不仅在各项指标上击败了传统基线，特别是在“人类满意度”这一关键指标上表现优异，验证了其可行性与先进性。
LLM 赋能 DRL 的思路不仅革新了城市规划，也为自动驾驶、游戏 AI 等领域提供了新的解题思路。未来 AI 代理是否能在更多复杂场景中展现出类似的人类智慧？
