计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-10-05

计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-10-04

---

目录

---

1. LLM-Augmented Symbolic Reinforcement Learning with Landmark-Based Task Decomposition

Authors: Alireza Kheirandish, Duo Xu, Faramarz Fekri
https://arxiv.org/abs/2410.01929

增强符号强化学习与基于地标的任务分解

摘要

本文提出了一种新的方法，通过使用给定的正负轨迹来识别子任务，以解决复杂的强化学习任务。我们假设状态由一阶谓词逻辑表示，并设计了一种新算法来识别子任务。然后，我们使用大型语言模型（LLM）生成一阶逻辑规则模板，以实现每个子任务。这些规则进一步通过归纳逻辑编程（ILP）基于强化学习的代理进行微调。通过实验，我们验证了算法在检测子任务方面的准确性，并研究了语言模型产生的常识规则的质量。实验表明，我们的方法可以生成解决子任务所需的规则，从而在对环境预定义的一阶逻辑谓词的假设更少的情况下解决复杂任务。

研究背景

在强化学习（RL）中，将复杂任务分解为更简单的子任务是关键技术之一。这种方法通过将艰巨的挑战分解为更小、更易实现的目标和清晰的路径，使复杂任务更易于管理。地标是完成任务所必需访问的特定状态，它们作为关键里程碑，有助于有效的决策制定和结构化、高效的解决问题策略。

问题与挑战

在复杂环境中，直接找到目标的轨迹并不明显，或者解决复杂任务所需的策略复杂，使得直接解决方案具有挑战性。此外，在稀疏且不可解释的奖励环境中，如何有效地识别地标和子任务是一个挑战。

如何解决

作者提出了一种算法，使用对比学习来检测潜在的地标状态，然后使用图搜索算法来识别每个子任务所需的必要谓词。此外，使用大型语言模型（LLM）生成规则模板，这些模板进一步通过归纳逻辑编程（ILP）基于RL代理进行微调。

图检索算法:

创新点

1. 地标识别：使用对比学习和图搜索算法来识别地标，而不是依赖于奖励中心算法。
2. 规则模板生成：使用LLM生成规则模板，而不是依赖于人类专家生成的规则模板。
3. 减少对预定义谓词的依赖：通过LLM引导的规则生成，减少了对环境预定义一阶逻辑谓词的假设。

算法模型

1. 对比学习：用于检测潜在的地标状态。
2. 图搜索算法：用于识别每个子任务所需的必要谓词。
3. LLM规则模板生成：使用LLM生成规则模板。
4. ILP-RL代理：用于微调生成的规则模板。

实验效果

• 实验环境：修改版的GetOut和Loot环境。
• 重要数据：
  • 在GetOut*环境中，4个子任务的平均奖励为22.86 ± 2.46。
  • 在GetOut环境中，4个子任务的平均奖励为22.84 ± 2.49。
• 结论：算法在检测子任务方面准确且高效，LLM引导的规则生成方法减少了对预定义逻辑谓词的依赖，提供了更灵活和可扩展的解决方案。
• 

推荐阅读指数

★★★★☆

推荐理由

这篇文章提出了一种创新的方法，通过结合LLM和符号RL来解决复杂的强化学习任务。这种方法不仅提高了子任务检测的准确性和效率，而且减少了对预定义逻辑谓词的依赖，为解决复杂任务提供了一种新的视角。

2. Lost-in-Distance: Impact of Contextual Proximity on LLM Performance in Graph Tasks

Authors: Hamed Firooz, Maziar Sanjabi, Wenlong Jiang, Xiaoling Zhai
https://arxiv.org/abs/2410.01985

“迷失在远距离”: 上下文邻近性对大型语言模型在图任务中性能的影响

摘要

尽管大型语言模型（LLMs）取得了显著的进步，但它们在检索和有效处理相关上下文数据方面存在盲点。我们展示了LLMs在处理复杂度超出“大海捞针”场景的图任务时，其性能受到上下文中相关信息邻近性的影响，这种现象我们称之为“迷失在远距离”。我们检验了两个基本的图任务：识别两个节点之间的共同连接和评估三个节点之间的相似性，并表明模型在这些任务中的表现在很大程度上取决于共同边的相对位置。我们评估了三个公开可用的LLMs（Llama-3-8B、Llama-3-70B和GPT-4），并使用各种图编码技术来表示LLM输入的图结构。我们提出了“迷失在远距离”现象的公式，并证明“迷失在远距离”和“迷失在中间”现象是独立发生的。