神经符号AI用于增强生成式AI的可指令性
人工智能
2024-07-29 v1 人机交互
摘要
生成式AI，特别是大型语言模型（LLM），已通过提示实现了在文本、图像和音乐等内容创建领域的变革，展现了通过指令调谐实现指令遵循能力。指令调谐是一种监督式微调方法，LLM在格式化为特定任务和对应指令的数据集上进行训练。该方法系统性地提高了模型理解和执行给定指令的能力。尽管取得了这些进展，LLM仍面临在持续解释复杂的多步骤指令并将其推广到新任务方面存在挑战，这对于在现实场景中实现更广泛的适用性至关重要。本文探讨了为何神经符号AI提供了更好的路径来增强LLM的可指令性。我们探讨了使用符号任务规划器将高级指令分解为结构化任务、神经语义解析器将这些任务映射到可执行动作，以及神经符号执行器在动态维护状态表示的同时实现这些动作。我们还希望表明神经符号方法能够提高任务执行的可靠性和情境感知能力，使LLM能够以更精确和灵活的方式动态解释和响应更广泛的指令情境。
引用
@article{arxiv.2407.18722,
title = {Neurosymbolic AI for Enhancing Instructability in Generative AI},
author = {Amit Sheth and Vishal Pallagani and Kaushik Roy},
journal= {arXiv preprint arXiv:2407.18722},
year = {2024}
}