Key points are not available for this paper at this time.
Desenvolver modelos de domínio é um dos poucos locais restantes que exigem trabalho manual humano no planejamento de IA. Portanto, para tornar o planejamento mais acessível, é desejável automatizar o processo de geração de modelos de domínio. Para isso, investigamos se grandes modelos de linguagem (LLMs) podem ser usados para gerar modelos de domínio de planejamento a partir de descrições textuais simples. Especificamente, introduzimos uma estrutura para avaliação automatizada de domínios gerados por LLMs, comparando os conjuntos de planos para instâncias de domínio. Finalmente, realizamos uma análise empírica de 7 grandes modelos de linguagem, incluindo modelos de codificação e chat em 9 diferentes domínios de planejamento, e sob três classes de descrições de domínio em linguagem natural. Nossos resultados indicam que os LLMs, particularmente aqueles com alta contagem de parâmetros, exibem um nível moderado de proficiência na geração correta de domínios de planejamento a partir de descrições em linguagem natural. Nosso código está disponível em https://github.com/IBM/NL2PDDL.
Building similarity graph...
Analyzing shared references across papers
Loading...
James Oswald
Kavitha Srinivas
Harsha Kokel
Proceedings of the International Conference on Automated Planning and Scheduling
Rensselaer Polytechnic Institute
Building similarity graph...
Analyzing shared references across papers
Loading...
Oswald et al. (Qui,) estudaram esta questão.
www.synapsesocial.com/papers/68e67a85b6db643587604244 — DOI: https://doi.org/10.1609/icaps.v34i1.31502
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: