SignalClaw：LLM 引导的可解释交通信号控制技能进化合成

本文提出 SignalClaw 框架，利用大语言模型作为进化技能生成器，合成并优化可解释的交通信号控制策略。该框架将仿真指标转化为自然语言反馈以指导技能迭代，每个技能包含原理、选择指南及可执行代码。此外，引入事件驱动的组合进化机制，通过检测紧急车辆等事件动态组合专用技能，无需重新训练。实验表明，该方法在常规及突发事件场景下均优于现有基线，生成的策略从简单规则进化为复杂条件策略，兼具高效性与完全可解释性。