面向多阶段规划任务的类人类推理框架——大语言模型
人工智能
2024-05-29 v1 计算与语言
机器学习
摘要
最近的研究表明，各种推理策略使大语言模型在诸如写作和编码等简单任务中表现突出。然而，LLM智能体在需要综合性规划的任务中仍显得吃力，这一过程挑战了当前模型，仍是关键的研究议题。在本研究中，我们集中注意力于旅行规划，这是一种多阶段规划问题，涉及多个相互关联的阶段，如概要规划、信息收集和规划，通常需要管理各种约束和不确定性。现有的推理方法在解决这一复杂问题方面尚不够有效。我们的研究旨在通过开发一种人类类似的规划框架来解决这一挑战，即引导LLM智能体模拟人类在解决多阶段问题时的各种步骤。具体而言，我们实现了若干策略，以使LLM智能体为每个旅行查询生成连贯的概要，模拟人类规划模式。此外，我们将策略模块和知识模块集成到我们的框架中：策略模块促进信息收集，而知识模块为详细规划提供必要信息。通过广泛的实验，我们证明了我们的框架显著提高了LLM智能体的规划能力，使其能够以 improved 的效率和效果应对旅行规划任务。我们的实验结果表明，所提出的框架在性能上表现突出；当与 GPT-4-Turbo 结合使用时，其性能提升相当于基准框架部署在 GPT-4-Turbo 上的 10 倍。
引用
@article{arxiv.2405.18208,
title = {A Human-Like Reasoning Framework for Multi-Phases Planning Task with Large Language Models},
author = {Chengxing Xie and Difan Zou},
journal= {arXiv preprint arXiv:2405.18208},
year = {2024}
}