【planning-llm：完全自动化的端到端LLM-符号规划器】

文章预览

《Planning in the Dark: LLM-Symbolic Planning Pipeline without Experts》这篇论文由Sukai Huang, Nir Lipovetzky和Trevor Cohn撰写，他们来自澳大利亚墨尔本大学。论文提出了一种新的方法，旨在解决大型语言模型（LLMs）在直接用于规划任务时可能出现的不一致推理和幻觉问题。这种方法结合了LLMs的灵活性和符号规划的正确性，以解决规划任务。 具体来说，他们提出了一个新颖的流程，该流程通过以下几个关键步骤来实现： 1. **构建多样化的动作模式库**：通过使用多个LLM实例并设置较高的温度参数，鼓励生成多样化的输出，从而生成多个候选动作模式。这些模式被聚合到一个库中，以增加找到可解动作模式集的可能性，即至少有一个有效计划可以被规划器找到。 2. **语义一致性过滤**：使用句子编码器来自动验证和过滤生成的动作模式。这个模块确保生成的模式在语义 ………………………………