DANA：用于一致性和准确性的域感知神经符号智能体
人工智能
2024-10-07 v1 机器学习
摘要
大型语言模型（LLM）展示了卓越的能力，但其内在的概率性质往往导致在复杂问题解决任务中出现不一致和不准确。本文引入DANA（Domain-Aware Neurosymbolic Agent），一种架构通过整合领域特定知识与神经符号方法来解决这些问题。我们通过神经符号视角分析了当前AI架构，包括AutoGPT、LangChain ReAct和OpenAI的ChatGPT，突出了其依赖概率推理导致不一致输出的原因。作为响应，DANA捕获并应用领域知识以自然语言和符号形式呈现，实现更确定性和可靠的问题解决行为。我们在开源OpenSSA框架中实现了DANA的一个变体，使用层次任务计划（HTPs）。该实现在FinanceBench财务分析基准测试中实现了90%以上的准确率，在一致性和准确性方面显著优于当前基于LLM的系统。在半导体等实体行业的应用表明，DANA的灵活架构有效整合知识，缓解了LLM的概率局限，针对需要可靠性和精确性的复杂现实问题具有潜力。
引用
@article{arxiv.2410.02823,
title = {DANA: Domain-Aware Neurosymbolic Agents for Consistency and Accuracy},
author = {Vinh Luong and Sang Dinh and Shruti Raghavan and William Nguyen and Zooey Nguyen and Quynh Le and Hung Vo and Kentaro Maegaito and Loc Nguyen and Thao Nguyen and Anh Hai Ha and Christopher Nguyen},
journal= {arXiv preprint arXiv:2410.02823},
year = {2024}
}