今日应用
今日话题
AAAI前主席Subbarao Kambhampati：LLM-Modulo框架助力大模型完成规划任务！
重点标签 大型语言模型、规划推理、知识源、LLM-Modulo框架、神经符号方法
文章摘要
Subbarao Kambhampati教授对大型语言模型（LLMs）在规划和推理任务中的作用提出了独到见解。他反对两种极端观点：一种是对LLMs的过分乐观，认为它们能通过适当的提示或自我验证策略完成复杂任务；另一种则是悲观看法，认为LLMs仅能进行简单的语法格式转换。Kambhampati教授认为，LLMs不仅是翻译工具，而是一种近似知识源，它们在规划和推理任务中可以发挥更有意义的作用。
Kambhampati教授提出了“LLM-Modulo”框架，这是一个结合了LLMs优势与外部基于模型的验证器的双向交互体制。在这个框架中，LLMs生成候选计划，然后由一组评论家进行评价。这种架构允许LLMs在规划中扮演多种角色，包括生成领域模型、问题简化策略和问题规范的修正。此外，该框架还限制了人类角色，使得领域专家与LLM交互以揭示评论家使用的模型，而最终用户与LLM协作以完善问题规范。
LLM-Modulo框架的核心是一个生成-测试-评价循环，其中LLM生成计划候选，然后由外部可靠评论家提供合理性保证。这种循环不仅提高了计划的质量，还为LLM生成能力的微调提供了更好的合成数据语料库。
Subbarao Kambhampati教授是亚利桑那州立大学的计算机科学教授，曾任人工智能促进协会（AAAI）主席。他的研究领域集中在自动化规划和决策制定，特别是在人类感知的人工智能系统背景下。Kambhampati教授以其对人工智能公众认知和社会影响的深入思考而闻名，并在人工智能社区中担任多个重要角色。
文章来源
原文地址: 点我阅读全文
原文作者: AIGC最前线
相关文章
