现实世界规划中的智能语言代理

综合性规划代理一直是人工智能领域的长期目标。近期自然语言处理的创新通过大语言模型(LLM)的出现取得了成功。我们寻求通过扩展前一篇论文 TravelPlanner 的工作，提高 LLM 的旅行规划能力。我们的目标是探索一种新方法，用于提高旅行规划体验。我们特别关注 "sole-planning" 旅行规划模式，即该代理给定必要的参考信息，其目标是从参考信息中创建全面的计划。虽然这并未模拟现实世界，但我们认为优化sole-planning能力仍能提升整体用户体验。我们提出一种半自动化提示生成框架，将 LLM 自动化提示与 "人类在环" 结合，以迭代细化提示以提高 LLM 性能。我们的结果显示，LLM 自动化提示存在局限性，"人类在环" 通过单次迭代提高了 139% 的性能。