AllTogether：基于大语言模型探究拼接提示在网页导航中的效能
计算与语言
2023-11-01 v2 人工智能
机器学习
摘要
大语言模型（LLMs）已成为用于网页导航任务的有前景的智能体，能够解释目标并与网页交互。然而，此类任务中拼接提示的效率仍未被充分探索。我们提出 AllTogether，一种标准化提示模板，可增强任务上下文表示，从而提升 LLM 在基于 HTML 的网页导航中的表现。我们通过对开源 Llama-2 和 API 可访问的 GPT 模型进行提示学习和指令微调来评估该方法的有效性。结果显示，GPT-4 等模型在网页导航任务中优于较小模型。此外，我们发现 HTML 片段长度和历史轨迹显著影响性能，且先前的逐步指令不如实时环境反馈有效。总体而言，我们认为本工作为未来 LLM 驱动的网页智能体研究提供了有价值的见解。
引用
@article{arxiv.2310.18331,
title = {AllTogether: Investigating the Efficacy of Spliced Prompt for Web Navigation using Large Language Models},
author = {Jiarun Liu and Wentao Hu and Chunhong Zhang},
journal= {arXiv preprint arXiv:2310.18331},
year = {2023}
}
备注
Include wrong information in comment. Should be 7 pages and not published yet