基于预训练大语言模型的 PDDL 领域广义规划
人工智能
2023-12-20 v2
摘要
近期工作探讨了大语言模型（LLMs）能否作为规划器：给定任务，生成计划。我们研究 LLMs 能否作为广义规划器：给定领域与训练任务，生成可高效为该领域内其他任务产生程序的规划程序。具体而言，我们考虑 PDDL 领域并使用 GPT-4 来合成 Python 程序。我们还考虑（1）思维链（CoT）摘要，即提示 LLM 先用文字总结领域并提出策略，再合成程序；以及（2）自动调试，即依据训练任务对程序作验证，若出错则以四类反馈重新提示 LLM。我们在七个 PDDL 领域上评估该方法，并与四种消融及四种基线比较。总体而言，我们发现 GPT-4 是一个出奇强大的广义规划器。我们还得出结论：自动调试极为重要，CoT 摘要影响不均，GPT-4 远优于 GPT-3.5，且往往仅两个训练任务便足以实现强泛化。
引用
@article{arxiv.2305.11014,
title = {Generalized Planning in PDDL Domains with Pretrained Large Language Models},
author = {Tom Silver and Soham Dan and Kavitha Srinivas and Joshua B. Tenenbaum and Leslie Pack Kaelbling and Michael Katz},
journal= {arXiv preprint arXiv:2305.11014},
year = {2023}
}
备注
AAAI 2024