研究人员开发了一种新颖的多角色强化学习框架,以提高大型语言模型在符号规划中的忠实度。该框架利用单个语言模型充当Actor、Judge和Editor,生成PDDL规范,根据求解器反馈提供质量信号,并优化输出。该方法显著提高了PlanBench基准测试的成功率,平均成功率超过70%,并减少了语义漂移。 AI
影响 增强了AI生成计划的可靠性和忠实度,可能改进需要精确指令遵循的应用。
排序理由 学术论文,详细介绍了使用强化学习进行符号规划的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →