向更远处望去：测试 GPT-4 在路径规划中的极限
人工智能
2024-06-24 v2
摘要
大型语言模型 (LLM) 在广泛的任务中展现出惊人的能力，但在长期规划方面仍面临挑战。为研究此问题，我们提出路径规划任务作为评估 LLM 在几何约束下的长轨迹导航能力的平台。我们的基准系统atically 测试了复杂环境中的路径规划技能。使用该基准，我们检查了 GPT-4 的规划能力，采用了各种任务表示和提示方法。我们发现，将提示框定为 Python 代码以及分解长轨迹任务可提高 GPT-4 的路径规划效果。然而，尽管这些方法在提高模型规划能力方面显示出一些希望，但它们并未获得最优路径，也无法在扩展的时段上泛化。
引用
@article{arxiv.2406.12000,
title = {Look Further Ahead: Testing the Limits of GPT-4 in Path Planning},
author = {Mohamed Aghzal and Erion Plaku and Ziyu Yao},
journal= {arXiv preprint arXiv:2406.12000},
year = {2024}
}
备注
Accepted at the 2024 IEEE 20th International Conference on Automation Science and Engineering