【AAAI2024】大型语言模型是神经符号推理器

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％。