自动化思维搜索：迈向可靠性与完备性的旅程
人工智能
2025-05-29 v2
摘要
大语言模型（LLM）正被用于求解需要搜索的规划问题。大多数文献将 LLM 用作世界模型来定义搜索空间，以灵活性为代价放弃了可靠性。最近的一项工作——思维搜索（Thought of Search, ToS）——提出用代码来定义搜索空间，由 LLM 生成该代码。ToS 需要人在回路中，协作生成可靠的转移函数和目标测试函数。结果值得付出努力：所有测试数据集均以 100% 的准确率求解。因此，自动化 ToS 过程具有巨大潜力。我们迈出了向自动化 ToS（AutoToS）迈出的重要一步，将人从与语言模型的交互回路中移除。AutoToS 通过来自通用和领域特定单元测试的反馈，引导语言模型逐步生成可靠且完备的搜索组件。我们表明 AutoToS 能够在少量 LLM 调用的情况下，在所有评估领域上达到 100% 的准确率。
引用
@article{arxiv.2408.11326,
title = {Automating Thought of Search: A Journey Towards Soundness and Completeness},
author = {Daniel Cao and Michael Katz and Harsha Kokel and Kavitha Srinivas and Shirin Sohrabi},
journal= {arXiv preprint arXiv:2408.11326},
year = {2025}
}