基于大语言模型的数据高效多智能体空间规划
人工智能
2025-02-27 v1 多智能体系统
摘要
本项目旨在探讨如何利用预训练大语言模型的世界知识，以实现多智能体决策制定中的高效和稳健学习。在出租车路由和分配问题中，智能体必须决定如何最佳接送乘客以最小化总等待时间。虽然该问题建立在图形道路网络上，但我们展示在正确的提示下，零样本性能在该任务上相当强。此外，结合有限的微调和单次滚动算法进行前瞻，大语言模型可与现有方法相抗争，只需环境交互次数的 1/50。我们还探讨了各种语言提示方法的优势，表明将某些易计算信息纳入提示中可显著提升性能。最后，我们突出大语言模型内置的语义理解能力，展示其通过简单提示适应环境因素的能力。
引用
@article{arxiv.2502.18822,
title = {Data-Efficient Multi-Agent Spatial Planning with LLMs},
author = {Huangyuan Su and Aaron Walsman and Daniel Garces and Sham Kakade and Stephanie Gil},
journal= {arXiv preprint arXiv:2502.18822},
year = {2025}
}