NAACL 2025 | 知识增强下的智能体规划

文章预览

论文题目： KnowAgent: Knowledge-Augmented Planning for LLM-Based Agents 本文作者： 朱雨琦（浙江大学）、乔硕斐（浙江大学）、欧翌昕（浙江大学）、邓淑敏（新加坡国立大学）、吕世伟（蚂蚁集团）、申月（蚂蚁集团）、梁磊（蚂蚁集团）、顾进捷（蚂蚁集团）、 陈华钧（浙江大学）、张宁豫（浙江大学） 发表会议： NAACL 2025  Findings 论文链接： https://arxiv.org/abs/2403.03101 代码链接： https://github.com/zjunlp/KnowAgent 欢迎转载，转载请注明 出处 一、引言 大型语言模型（LLMs）在复杂推理任务中展现了极大的潜力，但在处理更复杂的挑战时，尤其是在通过生成可执行动作与环境进行交互时，仍显不足。这主要是因为智能体缺乏内置的动作知识，导致它们在任务解决过程中无法有效地指导规划轨迹，从而引发规划幻觉。 为了解决这一问题，我们提出了KnowAgent，旨在 ………………………………