- 大規模言語モデル(LLMs)は基本的な計画手順の生成で有望性を示しているが、複数の行動を調整・計画する複雑なタスクにはまだ苦労している。
- オックスフォード大学や他の研究機関の研究者による新しい研究では、LLMsの非同期計画能力を調査し、進んだプロンプティング技術がLLMsの性能を向上させることを明らかにしている。
- 非同期計画は、時間関係の理解、並列実行の最適化、制約条件での推論などを要求し、LLMsにとって困難な課題である。
- “Plan Like a Graph” (PLaG)というプロンプティング技術がLLMsの性能向上に貢献し、グラフの使用によって計画問題の構造を理解させる。
- PLaGは、タスクとその解決方法をグラフで表現し、LLMsが最適解を見つける方法を示す。
LLMsは非同期計画に苦労しており、深層学習モデルが複雑なシナリオに対処する際にはまだ課題が残っている。PLaGはLLMsの計画能力を向上させる有望な方向性であり、他の技術との統合やリソース制約、マルチモダリティの追加などの探索が提案されている。