BriefGPT - AI 论文速递
·
CLMASP：将大型语言模型与答题集编程结合用于机器人任务规划
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
该研究使用大型语言模型（LLM）和人在环循环人在植物物理系统（CPS）中探索将高水平提示转化为个性化行动计划，并确保对物理系统和人类使用者都是安全的。通过使用液态时常的神经网络物理动力学系数估计器和模型系数对LLM进行训练，可以生成可行且安全的计划。该研究还将CPS-LLM与上下文化聊天机器人集成，以管理1型糖尿病患者使用的自动胰岛素输送系统的外部事件。
🎯
关键要点
- 该研究探索将大型语言模型（LLM）与人在环循环植物物理系统（CPS）结合，转化高水平提示为个性化行动计划。
- 生成的计划需确保对物理系统可执行且对人类使用者安全。
- 提出了CPS-LLM，使用指令调整框架重新训练LLM，以确保生成的计划与CPS的物理系统动力学一致。
- CPS-LLM包含两个创新部分：液态时常的神经网络物理动力学系数估计器和基于模型系数的LLM训练。
- CPS-LLM与上下文化聊天机器人（如BARD）集成后，能够生成可行且安全的计划，管理1型糖尿病患者的自动胰岛素输送系统的外部事件。
➡️
