从 LLM 群体到 PDDL 赋能的 HIVE：在多模态丛林中规划自执行指令
人工智能
2025-09-30 v2
摘要
为了响应利用不断增长的深度模型生态系统能力的基于智能体的解决方案的呼吁，我们引入了 Hive——一个用于知识感知规划一组原子动作以处理输入查询并随后相应地选择适当模型的综合解决方案。Hive 在模型集合上运行，并在接收到自然语言指令（即用户查询）时，调度并执行原子动作的可解释计划。这些动作可以涉及一个或多个可用模型以实现总体任务，同时尊重终端用户的特定约束。值得注意的是，Hive 处理涉及多模态输入和输出的任务，使其能够处理复杂的真实世界查询。我们的系统能够规划复杂的动作链同时保证可解释性，使用由 PDDL 操作赋能的基于 LLM 的形式逻辑主干。我们引入了 MuSE 基准，以全面评估智能体系统的多模态能力。我们的研究结果表明，我们的框架重新定义了任务选择的 SOTA，在提供透明度保证并完全遵守用户约束的同时，优于其他在多个模型间规划操作的竞争系统。
引用
@article{arxiv.2412.12839,
title = {From An LLM Swarm To A PDDL-Empowered HIVE: Planning Self-Executed Instructions In A Multi-Modal Jungle},
author = {Kaustubh Vyas and Damien Graux and Yijun Yang and Sébastien Montella and Chenxin Diao and Wendi Zhou and Pavlos Vougiouklis and Ruofei Lai and Yang Ren and Keshuang Li and Jeff Z. Pan},
journal= {arXiv preprint arXiv:2412.12839},
year = {2025}
}
备注
Published as a conference paper at ICLR 2025