利用环境交互进行大型语言模型的自动 PDDL 生成和规划
原文中文，约1200字，阅读约需3分钟。
📝
内容提要
本研究提出了一种新方法，结合PDDL语言和大型语言模型（LLMs），以提高计划问题的效率和准确性。通过验证PDDL模型，成功解决复杂任务。研究表明，GPT-4作为广义规划器表现优异，结合经典规划和LLMs的优势，显著提升了计划速度和执行成功率。AdaPlanner通过闭环反馈自适应改进计划，优于现有算法。
❓
Q&A
如何利用大型语言模型提高计划问题的效率和准确性？
通过结合PDDL语言和大型语言模型，使用预训练模型作为反馈接口，验证PDDL模型的正确性，从而提高计划问题的效率和准确性。
NL2Plan系统的主要功能是什么？
NL2Plan是第一个通用领域脱机驱动计划系统，利用大型语言模型创建完整的PDDL描述，解决15个任务中的10个任务。
GPT-4在规划任务中表现如何？
研究发现GPT-4作为广义规划器表现优异，能够有效产生其他任务规划的程序。
AdaPlanner的工作原理是什么？
AdaPlanner通过闭环反馈自适应改进生成的计划，能够在复杂任务和环境中表现优于现有算法。
如何改善由大型语言模型生成的PDDL模型的质量？
使用自动一致性检查策略显著改善PDDL模型的质量，并减少后续纠正工作的人力投入。
LLM + P框架的优势是什么？
LLM + P框架结合经典计划器的优点，通过自然语言描述解决计划问题，提供大多数问题的最优解。
🏷️
