核心概念
大型語言模型 (LLM) 在解決規劃問題方面具有巨大潛力,但靈活性與複雜性之間存在矛盾。本研究提出了一種通用框架 LLMFP,利用 LLM 將規劃問題編碼為優化問題,並從頭開始構建和解決這些問題,無需任何特定任務範例。
摘要
LLMFP:基於大型語言模型的形式化編程實現通用零樣本規劃
本研究論文介紹了一種名為 LLMFP 的新型通用零樣本規劃框架,該框架利用大型語言模型 (LLM) 將規劃問題轉換為優化問題,並從頭開始構建和解決這些問題,無需任何特定任務範例。
本研究旨在解決現有基於 LLM 的規劃系統在靈活性與任務複雜性之間的矛盾,探索構建一個能夠解決複雜規劃問題且無需特定任務範例的通用 LLM 規劃系統。
LLMFP 模擬人類構建和編寫代碼以解決優化問題的方式,通過以下步驟解決規劃問題:
定義器 (DEFINER):分析任務描述,定義優化目標、決策變量和約束條件。
公式化器 (FORMULATOR):將變量和步驟總結為 JSON 格式的表示形式,包含構建代碼所需的所有關鍵信息。
代碼生成器 (CODE GENERATOR):根據 JSON 表示形式生成代碼,將問題編碼為優化問題。
結果格式化器 (RESULT FORMATTER):將代碼執行結果轉換為固定格式,並提供簡要評估。
自我評估和修改 (SELF ASSESSMENT AND MODIFICATION):評估每個步驟的正確性,並自動修改錯誤步驟。