핵심 개념
LLMs를 사용한 플로우 준수 계획 수립의 중요성
초록
이 논문은 LLMs를 사용하여 플로우 준수 계획을 수립하는 방법에 대해 다루고 있습니다. 제한된 디코딩 알고리즘을 제안하고, 이를 통해 사전 정의된 플로우와 API 종속성을 준수하는 신뢰할 수 있는 계획을 생성합니다. 논문은 이러한 방법이 다른 디코딩 및 프롬프팅 기반의 기준선을 능가하며, 작은 LLMs에도 큰 LLMs와 유사한 성능을 달성할 수 있음을 실험적으로 입증합니다.
Abstract
에이전트들을 위한 계획은 중요한 작업이며, 최근 LLMs의 발전으로 인해 과업 계획 및 API 사용에 대한 시도가 증가하고 있습니다.
그러나 LLMs의 편향성으로 인해 사전 훈련 데이터에 대한 계획의 충실성이 보장되지 않습니다.
이 논문에서는 LLMs를 사용하여 TODs에서 사전 정의된 NL 플로우와 API 종속성에 대한 제로샷 신뢰할 수 있는 계획을 제안합니다.
Introduction
TODs에서 사용자 의도를 해결하기 위해 사전 정의된 플로우와 API 종속성에 따라 작업을 수행하는 것은 추론과 계획을 필요로 합니다.
최근 LLMs의 발전으로 연구자들은 LLMs를 과업 계획 및 API 사용에 고려하기 시작했습니다.
그러나 API 종속성과 생성된 API 호출의 충실성에 대한 고려는 미연구 상태입니다.
Data Collection
이 논문에서는 신뢰할 수 있는 계획 생성을 위한 새로운 데이터셋을 구축하고, FLAP의 성능을 기존 프롬프팅 기반의 기준선과 비교하여 검증합니다.
실험 결과, FLAP가 다른 디코딩 방법보다 우수한 성능을 보이며, 작은 LLMs에서도 큰 LLMs와 유사한 성능을 달성함을 입증합니다.
통계
LLMs를 사용한 플로우 준수 계획 수립에 대한 중요성을 실험적으로 입증합니다.
인용구
"LLMs를 사용한 플로우 준수 계획 수립의 중요성을 강조합니다." - Shamik Roy