AI·研究
大型语言模型日益被部署为在长时程上规划并通过外部工具行动的智能体。多数智能体通过在累积历史上无约束生成来选择动作，使“做什么、以何顺序、在何条件下”的程序性知识保持隐含。随着轨迹变长，智能体可能失去目标、乱序调用工具、重复无效动作。研究者提出程序图：正如知识图将事实知识组织为（实体，关系，实体）三元组以回答“是什么”问题，程序图将程序性知识组织为（程序，关系，程序）三元组以回答“做什么”问题。在每个决策步骤，框架定位智能体的活动节点，一个引导模型将周围子图转化为步骤级情境引导，偏置求解器的下一动作而不强制它。该图可自演化：一个LLM精炼器对比失败与成功轨迹，编辑图的拓扑与属性，仅提交能保持或提升留出验证性能的编辑，同时保留被拒编辑以抑制重复。从最小骨架开始，该循环构建出匹配或超越手工设计图的图，还能修复有缺陷的专家先验。在多个数据集、任务类型和LLM上，程序图相较基于记忆的基线带来一致增益，自演化进一步在无需人工工程的情况下提升性能。
来源：原文链接 (新窗口)
本页由搜罗吧(Solo8.cn)信息精选服务自动生成，内容仅供参考，不构成任何建议。