LLM为AI规划任务生成启发式方法，取得最先进的成果

研究人员开发了一种新的确定性规划方法，该方法利用大型语言模型（LLM）自动生成特定于问题的启发式函数。这种方法绕过了手工制作领域知识的需求，直接从通用编程语言描述的规划任务中合成启发式方法。然后，生成的启发式方法被集成到贪婪最佳优先搜索等标准算法中，在既定的规划基准测试中取得了具有竞争力的、通常是最先进的性能。该技术还允许解决使用传统方法难以形式化的问题，例如那些具有复杂数值约束或自定义转换动态的问题。 AI

影响 这项研究通过自动化启发式方法的生成，可以实现更高效、更灵活的AI规划，有可能解决传统方法以前难以解决的复杂问题。

排序理由 该集群包含一篇详细介绍AI规划新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• Connected Papers
• Greedy Best First Search
• heuristic
• Hugging Face
• large-language models
• Successor-Generator Planning
• Yonatan Vernik

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →