将大语言模型作为多专家智能体系统：一种求解抽象与推理语料库挑战的方法
人工智能
2023-10-10 v1 计算与语言
摘要
我们尝试使用大语言模型（LLMs）作为多专家智能体系统来求解抽象与推理语料库（ARC）挑战。利用LLMs的灵活性，可通过零样本、少样本、基于上下文的提示来引导其完成各种新颖任务，我们探索了使用LLMs求解ARC挑战的可行性。我们首先将输入图像转换为多种合适的基于文本的抽象空间。然后利用LLMs的联想能力推导输入-输出关系，并将其映射为工作程序形式的动作，类似于Voyager / Ghost in the MineCraft。此外，我们使用迭代的环境反馈来引导LLMs完成任务。我们提出的方法仅使用三种抽象空间——网格、对象和像素——就在111个训练集问题中求解了50个（45%），并且我们相信通过更多抽象空间和可学习动作，我们将能够求解更多问题。
引用
@article{arxiv.2310.05146,
title = {Large Language Model (LLM) as a System of Multiple Expert Agents: An Approach to solve the Abstraction and Reasoning Corpus (ARC) Challenge},
author = {John Chong Min Tan and Mehul Motani},
journal= {arXiv preprint arXiv:2310.05146},
year = {2023}
}
备注
6 main pages, 1 page references, 18 pages appendix