自己批評によるLLMの計画能力向上

本論文は、大規模言語モデル（LLM）の計画タスクを改善するための新しいアプローチを示しています。外部の検証者を使用せずに、LLMが自身の回答を自己批評する、内在的な自己批評に焦点を当てています。Blocksworld、Logistics、Mini-gridなどの計画ベンチマークで、強力なベースラインを上回る顕著なパフォーマンス向上が示されています。内在的な自己改善に焦点を当てたこの方法は、さまざまなLLMバージョンに適用可能であり、より複雑な検索技術やより高性能なモデルを用いたさらなる進歩につながる可能性があります。

• •LLMは内在的な自己批評を通じて計画パフォーマンスを向上させることができる。
• •この方法は、考慮されたモデルで最先端の結果を達成する。
• •このアプローチは、さまざまなLLMバージョンに適用可能である。
• •反復的な修正と洗練により、パフォーマンスがさらに向上する。