规划与编辑检索内容以增强工具学习
计算与语言
2024-04-05 v2 人工智能
信息检索
机器学习
摘要
将外部工具与大语言模型（LLMs）集成的最新进展开辟了新前沿，在数学推理、代码生成器和智能助手中均有应用。然而，依赖简单一次性检索策略的现有方法无法有效且准确地筛选出相关工具。本文引入了一种新颖的 PLUTO（面向工具的规划、学习与理解）方法，包含“规划与检索（P&R）”和“编辑与接地（E&G）”范式。P&R 范式由一个用于筛选相关工具的神经检索模块和一个将复杂查询分解为可执行任务的基于 LLM 的查询规划器组成，从而提高了工具使用的有效性。E&G 范式利用 LLMs 根据用户场景丰富工具描述，弥合了用户查询与工具功能之间的差距。实验结果表明，这些范式显著提升了工具检索任务中的召回率和 NDCG，显著超越了当前最先进模型。
引用
@article{arxiv.2404.00450,
title = {Planning and Editing What You Retrieve for Enhanced Tool Learning},
author = {Tenghao Huang and Dongwon Jung and Muhao Chen},
journal= {arXiv preprint arXiv:2404.00450},
year = {2024}
}
备注
This paper is accepted at NAACL-Findings 2024