ENVISIONS：一种无需人类标注的LLM自训练框架

文章预览

论文 ：Interactive Evolution: A Neural-Symbolic Self-Training Framework For Large Language Models 地址 ：https://arxiv.org/abs/2406.11736 项目 ：https://github.com/xufangzhi/ENVISIONS 这篇论文试图解决什么问题？ 这篇论文提出了一个名为ENVISIONS的环境引导的神经符号自训练框架，旨在解决以下两个问题： 符号数据的稀缺性 ：在神经符号场景中，与丰富的自然语言（NL）标注数据相比，获取符号标注数据（例如，用于复杂规划、数学推理、机器人学和代理任务的符号表示）更加困难和昂贵。 大型语言模型（LLMs）处理符号语言的能力有限 ：当前的自训练方法在自然语言场景中取得了成功，但在神经符号场景中，LLMs在处理符号语言方面的能力还有待提高。 为了解决这些问题，ENVISIONS框架通过与环境的交互来进行迭代训练，以增强LLMs处理符号语言的能力，并减少对人类标注数据的需求 ………………………………