為什麼 AI 排不好旅遊行程？解析語言模型的地圖盲點與三條解法

Elponcrab

36 分鐘前

用 AI 聊天機器人排旅遊行程，常會遇到景點之間的交通時間估不準、行程排不進一天的情況。最新一代模型也還沒完全解決這個問題：香港中文大學等研究團隊 7 月發表的 TREK 測試中，15 個 AI 代理就算能查詢交通時間，多數仍會排出「時間內到不了」的行程，表現最好的 GPT-5.6 也只在 46.2% 的任務中排出完全可行的行程。學界與業界目前正從三個方向補這個缺口。

Table of Contents

最強的 GPT-5.6 也只有 46% 行程完全可行

TREK 收錄 800 個多條件旅遊規劃任務，其中 533 個有解、267 個經證明無解，模擬資料庫涵蓋 375 個城市、約 21 萬筆航班、飯店、景點與租車資料。AI 代理要透過工具查詢資料，其中包括一個計算兩地交通時間的工具，排出的行程必須同時符合預算、天數、營業時間與旅客沒有明說的偏好。評分完全依照規則，不靠 AI 評審；研究團隊也附上人工驗證過、可以拿到滿分的標準答案，證明滿分做得到。

結果 GPT-5.6 在 46.2% 的有解任務中拿到滿分，第二名的 Kimi-K2.5 只有 17.1%，GLM-5 為 13.1%，15 個代理的中位數只有 6.6%，最低為 0。這次測試沒有納入 Claude 與 Gemini。

廣告 - 內文未完請往下捲動

和地圖最直接相關的指標是「同一天兩個行程之間的空檔，是否短於實際交通時間」。各模型在這一項出錯的任務比例從 13.3% 到 93.8% 不等，是所有評分指標中差距最大的一項，論文形容這一項正是區分「會規劃」與「不會規劃」模型的分水嶺。GPT-5.6 還沒解決的主要問題，則是滿足旅客沒有明說的需求。

TREK 測試中 15 個 AI 代理排出時間內到不了路段的任務比例 — 資料來源：TREK（arXiv 2607.26977）；製圖：鏈新聞

早期的測試也指向同樣的弱點。2024 年發表的 TravelPlanner 中，GPT-4 排出的行程只有 0.6% 完全符合所有條件；2025 年的 MapEval 用 700 道題目考 54 國、180 個城市的地圖推理，受測的 30 個模型沒有一個正確率超過 67%，全部落後人類 20 個百分點以上，最弱的正是距離、方向與路線規劃。

模型腦中有「地圖」，但不會在路網上算路

語言模型並非對地理一無所知。MIT 研究人員 Wes Gurnee 與 Max Tegmark 2023 年的論文《Language Models Represent Space and Time》分析 Meta 的 Llama-2 模型後發現，模型內部確實存有世界各地、美國各地與紐約市地點的空間位置表示，而且可以用簡單的線性方式讀出來。

問題出在「計算」。地圖服務商 HERE 今年 5 月的分析文章指出，語言模型不會在道路網路上計算路線，不會即時評估車流，也無法確保座標之間的幾何限制成立。HERE 的解釋是，語言模型的設計目的是預測文字，空間推理則需要在地理資料上做精確計算。實際交通時間牽涉道路、班次、轉乘與營業時間，這些都是模型訓練資料裡沒有，而且會隨時變動的資訊。

三條解法中，只有查地圖已有商用服務

讓 AI 看懂地圖的三條研究路線：讓模型去查地圖、模型加求解器、讓模型學會空間 — 圖：鏈新聞整理

第一條路是讓模型去查地圖，這也是目前唯一已有商用服務的做法。Google 2025 年 10 月在 Gemini API 推出 Grounding with Google Maps，讓模型直接查詢超過 2.5 億個地點的地址、營業時間與評價。Google 舉的例子正是旅遊：請 AI 排一天的舊金山行程，回傳結果會包含距離、交通時間與當天的營業時間。Google 另外提供代管的 Maps Grounding Lite MCP 伺服器，支援 MCP 協定的 AI 工具都能接入，可以搜尋地點、查天氣、計算路線，不過路線目前只有開車與步行兩種模式。HERE 的主張也相同：由模型理解需求、調度工具，路線與距離交給地圖引擎計算。

第二條路是把模型和數學工具組合起來。MIT 航太系范楚楚（Chuchu Fan）團隊在 NAACL 2025 發表的研究中，讓語言模型把旅遊需求翻譯成數學限制條件，再交給可證明正確的求解器去排，在 TravelPlanner 測試的成功率達到 93.9%；同一篇論文引用的對照數字是，即使把所需資訊全部給定，OpenAI 的推理模型 o1-preview 只有 10%。條件互相衝突、根本排不出來時，這套系統還能指出是哪幾個條件衝突並建議修改，在兩組資料上分別成功修正 81.6% 與 91.7% 的無解需求。

第三條路是讓模型本身學會空間，目前仍以研究為主。Google 與賓州大學研究人員的 MapTrace 用自動產生的資料，在 4,000 張地圖上做出 2.3 萬筆路徑樣本，訓練多模態模型在地圖上畫出走得通的路線，在 MapBench 測試的成功率最多提升 6.4 個百分點。復旦大學與字節跳動 Seed 團隊的 ACL 2026 論文則在模擬城市中測試，模型能否從「家到學校 1.4 公里、方位角 135 度」這類零碎描述拼出完整地圖，結果顯示模型能推論出沒看過的地點關係，也能從行車軌跡學到道路連接方式並規劃路徑。

從寶可夢 GO 開發商 Niantic 分拆出來的 Niantic Spatial，則用大量帶有地理定位的實景資料訓練「大型地理空間模型」，用來回答「我在哪裡、面向哪個方向、正在看什麼」。李飛飛創辦、即將被 AMD 收購的 World Labs 做的「空間智慧」，重點是生成與理解可探索的 3D 場景，和行程規劃需要的地理推理屬於不同分支。

三條路線中，目前只有第一條已經有一般人能用的服務。不過 TREK 的結果也顯示，就算 AI 能查交通時間，多數模型仍會排錯；用 AI 排完行程後，最好還是在地圖 App 上逐段核對交通時間。

常見問題

為什麼 AI 看不懂實際的地圖？

語言模型從文字學地理，大致知道各地點的位置，但不會在道路網路上計算路線，也無法確保座標之間的幾何關係成立。給有視覺能力的模型看地圖截圖也有類似問題：2025 年的 MapEval 看圖題中，GPT-4o、Claude 3.5 等當時的主力模型在「規劃路線」類題目最好只有 50% 正確率，人類則有 85.18%；論文認為以一般圖片訓練的模型接觸詳細地圖資料太少，地圖放大到街道層級後正確率明顯下滑。MapTrace 論文也指出，多模態模型在地圖上追蹤路線的能力仍然有限，常常畫出違反基本路徑限制的路線，原因之一是製作大量精確標註路線的訓練資料成本太高。

AI 估的交通時間可以相信嗎？

不建議直接相信。2026 年 7 月的 TREK 測試中，AI 代理即使可以呼叫查詢交通時間的工具，15 個模型裡仍有 14 個在超過一半的任務中排出「時間內到不了」的路段，表現最好的 GPT-5.6 也有 13.3%。用 AI 排完行程後，最好在地圖 App 上逐段核對交通時間。

有沒有比較準的 AI 排行程方式？

目前可行的做法是讓 AI 使用即時地圖資料。Google 的 Gemini API 可以串接 Google Maps，查詢超過 2.5 億個地點的地址、營業時間與評價，Google 示範的一日行程會附上距離與交通時間。使用一般聊天機器人時，可以先在地圖 App 查好景點之間的交通時間，再交給 AI 安排順序與細節。