研究人员探索了使用大型语言模型(LLM)为分层任务网络(HTN)规划生成启发式方法。这种方法旨在提高HTN规划中启发式信息的相关性,而HTN规划在历史上一直落后于经典规划方法。通过提示九种不同的LLM,研究发现生成的启发式方法几乎可以达到现有最佳HTN规划器的覆盖范围,同时显著减少了大多数基准问题上的搜索工作量。 AI
影响 LLM生成的启发式方法可以显著提高AI规划系统在复杂任务分解中的效率和能力。
排序理由 该集群包含一篇详细介绍改进AI规划技术新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Corrêa, Pereira, and Seipp
- Felipe Meneguzzi
- Hierarchical Task Network Planning
- Large Language Models
- LLM-Generated Heuristics
- Pytrich planner
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →