广泛的现实世界应用以其符号性质为特征,需要强大的符号推理能力。本文研究了大型语言模型(LLMs)作为符号推理器的潜在应用。我们关注基于文本的游戏,这是自然语言能力智能体的重要基准,尤其是在数学、地图阅读、排序以及在基于文本的世界中应用常识等符号任务方面。为了帮助这些智能体,我们提出了一个旨在解决符号挑战并实现游戏目标的LLM智能体。我们首先初始化LLM智能体并告知其角色。然后,智能体接收来自基于文本游戏的观察和一组有效操作,以及特定的符号模块。有了这些输入,LLM智能体选择一个操作并与游戏环境互动。我们的实验结果表明,我们的方法显著增强了LLMs作为自动符号推理智能体的能力,我们的LLM智能体在涉及符号任务的基于文本的游戏中表现出色,平均性能达到88%。

成为VIP会员查看完整内容
34

相关内容

【NeurIPS2023】大型语言模型是视觉推理协调器
专知会员服务
29+阅读 · 2023年10月24日
【AAAI2023】不确定性感知的图像描述生成
专知会员服务
24+阅读 · 2022年12月4日
【ICML2022】知识图谱上逻辑查询的神经符号模型
专知会员服务
27+阅读 · 2022年5月25日
【ICML2020】持续终身学习的神经主题建模
专知会员服务
37+阅读 · 2020年6月22日
【ACL2020-密歇根州立大学】语言和视觉推理的跨模态关联
【ACL2020-Google】逆向工程配置的神经文本生成模型
专知会员服务
16+阅读 · 2020年4月20日
【AAAI2021】自监督对应学习的对比转换
专知
12+阅读 · 2020年12月11日
【CVPR 2020 Oral】小样本类增量学习
专知
16+阅读 · 2020年6月26日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
37+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
Arxiv
157+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
399+阅读 · 2023年3月31日
Arxiv
66+阅读 · 2023年3月26日
Arxiv
139+阅读 · 2023年3月24日
Arxiv
20+阅读 · 2023年3月17日
VIP会员
相关VIP内容
【NeurIPS2023】大型语言模型是视觉推理协调器
专知会员服务
29+阅读 · 2023年10月24日
【AAAI2023】不确定性感知的图像描述生成
专知会员服务
24+阅读 · 2022年12月4日
【ICML2022】知识图谱上逻辑查询的神经符号模型
专知会员服务
27+阅读 · 2022年5月25日
【ICML2020】持续终身学习的神经主题建模
专知会员服务
37+阅读 · 2020年6月22日
【ACL2020-密歇根州立大学】语言和视觉推理的跨模态关联
【ACL2020-Google】逆向工程配置的神经文本生成模型
专知会员服务
16+阅读 · 2020年4月20日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
37+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员