ProfiLLM: 産業用ライドヘイリングディスパッチのためのユーティリティ整合エージェントユーザープロファイリング

大規模言語モデル（LLM）を産業用ライドヘイリングディスパッチに導入し、プラットフォーム規模の行動ログから意味的特徴を抽出することは、魅力的でありながら未開拓のデータシステム問題です。現在の生産マッチングパイプラインは構造化数値特徴が主流ですが、運転手の特定地域に対する慣習的な回避などの決定的な行動シグナルは、本質的に文脈依存的であり、LLM生成のユーザープロファイルとして自然に表現できます。しかし、このようなプロファイリングをミリ秒レベルのレイテンシを持つリアルタイムディスパッチャに拡張するには、3つの相互に関連する制約に対処する必要があります。数百万の日次注文があるプラットフォームでは、ログがLLMのコンテキストウィンドウを桁違いに超えること、ほとんどのユーザーはロングテールで、ユーザーごとのプロファイリングにはインタラクションが少なすぎること、そして表面的に流暢なプロファイルが下流の予測ユーティリティを改善するとは限らないことです。

本稿では、ProfiLLMを提案します。これは、2つのモジュールを通じて生産マッチングシステム向けのユーティリティ整合ユーザープロファイリングを実現するエージェント型LLMデータパイプラインです。第一モジュールはツール拡張グローバル知識マイニングで、LLMエージェントに27の分析ツールを装備し、プラットフォーム規模のデータをマイニングして、再利用可能なグローバル知識、適応型ユーザークラスタリングルール、地域レベルの需給事前分布を生成します。第二モジュールはユーティリティ整合プロファイル探索で、各クラスタに対して複数の候補プロファイルを生成し、軽量な下流ユーティリティプロキシで評価し、最良の候補を反復的に洗練し、DPO微調整のための選好ペアを構築します。

ProfiLLMはDiDiの本番ディスパッチャに導入され、結果予測で最大+6.14%の相対AUC改善、ディスパッチシミュレーションで最大+4.35%のGMV向上、そして14日間のオンラインA/Bテストで一貫した改善（GMV +0.47%、完了率 +0.33%、受理前キャンセル率 -0.82%）を達成しました。これらの結果は、ProfiLLMがLLM生成の行動プロファイルを産業用ディスパッチシステムに効果的に活用し、低レイテンシを維持しながら主要なビジネス指標を大幅に向上させることを示しています。本システムはコンテキストウィンドウとロングテールユーザーの制限を克服するだけでなく、プロファイルの実用性を確保し、大規模スマートディスパッチに新たな道を開きます。