Mars：开放世界环境中的 Situated Inductive 推理
机器学习
2024-11-01 v2 人工智能
计算与语言
摘要
大规模语言模型 (LLM) 已在知识密集型任务中展现出显著的成功，但大多数模型依赖预存储的知识。从特定环境中诱导新通用知识并进行推理——即situated inductive 推理——对于机器智能至关重要且具有挑战性。本文设计了 Mars，一个用于situated inductive 推理的交互式环境。它通过修改地形、生存环境和任务依赖关系，引入反常识游戏机制，同时遵循特定原则。在 Mars 中，智能体需要主动与环境交互，派生有用规则，并在特定情境中执行决策任务。我们对various 基于 RL 和 LLM 的方法进行实验，发现它们在这一挑战性的situated inductive 推理基准上均表现不佳。此外，我们探索了"从反思诱导"，即指导智能体从历史轨迹中进行归纳推理。优异的性能强调了在 Mars 中进行归纳推理的重要性。通过 Mars，我们旨在推动situated inductive 推理的发展，为开发下一代能够在自适应和情境感知方式下进行推理的 AI 系统铺平道路。
引用
@article{arxiv.2410.08126,
title = {Mars: Situated Inductive Reasoning in an Open-World Environment},
author = {Xiaojuan Tang and Jiaqi Li and Yitao Liang and Song-chun Zhu and Muhan Zhang and Zilong Zheng},
journal= {arXiv preprint arXiv:2410.08126},
year = {2024}
}
备注
Accepted by NeurIPS 2024 Track Datasets and Benchmarks. Project page: https://marscrafter.github.io/