Los puntos clave no están disponibles para este artículo en este momento.
La aplicación exitosa de grandes modelos de lenguaje (LLMs) a la planificación y ejecución robótica puede allanar el camino para automatizar numerosas tareas del mundo real. Investigaciones recientes prometedoras han demostrado que el conocimiento contenido en los LLMs puede ser utilizado para tomar decisiones dirigidas por objetivos que son ejecutables en entornos interactivos y corporales. No obstante, hay una caída considerable en la corrección de los programas generados por los LLMs. Aplicamos técnicas de modelado de objetivos de la ingeniería de software a grandes modelos de lenguaje que generan planes robóticos. Específicamente, se solicita al LLM que genere un gráfico de refinamiento de pasos para una tarea. Luego se evalúa la ejecutabilidad y corrección del programa convertido a partir de este gráfico de refinamiento. El enfoque da como resultado programas que son más correctos según la evaluación humana en comparación con trabajos previos.
Building similarity graph...
Analyzing shared references across papers
Loading...
Ateeq Sharfuddin
Travis D. Breaux
Building similarity graph...
Analyzing shared references across papers
Loading...
Sharfuddin et al. (Mon,) estudiaron esta cuestión.
www.synapsesocial.com/papers/68e5f93bb6db64358758d6ee — DOI: https://doi.org/10.48550/arxiv.2407.15677
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: