AutoGuide：面向大型语言模型代理的上下文感知指南的自动生成与选择
计算与语言
2024-12-04 v2 机器学习
摘要
大型语言模型（LLM）的最新进展赋能了能够执行各种序列决策任务的AI代理。然而，在Web导航等缺乏足够知识的不熟悉领域中，基于演示的上下文学习范式已被证明难以有效引导LLM表现出色。在本文中，我们引入了一个名为 AutoGuide 的新框架，通过从离线经验中自动生成上下文感知指南来解决这一局限性。重要的是，每条上下文感知指南均以简洁的自然语言表达，并遵循条件结构，清晰地描述了其适用的上下文。因此，我们的指南为代理当前的决策过程提供了相关知识，克服了传统基于演示的学习范式的局限性。我们的评估表明，AutoGuide 在包括真实世界Web导航在内的复杂基准测试领域中，显著优于具有竞争力的基线。
引用
@article{arxiv.2403.08978,
title = {AutoGuide: Automated Generation and Selection of Context-Aware Guidelines for Large Language Model Agents},
author = {Yao Fu and Dong-Ki Kim and Jaekyeom Kim and Sungryull Sohn and Lajanugen Logeswaran and Kyunghoon Bae and Honglak Lee},
journal= {arXiv preprint arXiv:2403.08978},
year = {2024}
}