通过自动启发式发现进行复杂的大型语言模型规划

本研究解决了大型语言模型（LLM）在复杂规划任务中的不可靠性问题。我们提出了一种自动启发式发现（AutoHD）的新方法，使得LLM能够明确生成启发式函数，从而指导推理过程中的搜索并准确评估中间状态，不需要额外的模型训练或微调，显著提高了规划的准确性和可解释性。大规模实验表明，该方法在多个基准测试中显著优于其他方法，特别是在某些数据集上准确率几乎提高了一倍。