이 논문은 언어 모델(LLM)을 활용한 계획 수립 접근법의 복잡성과 비효율성을 분석하고, 이를 개선할 수 있는 효율적인 대안을 제안한다.
먼저, 기존의 다양한 LLM 기반 계획 수립 접근법(IO, CoT, ReAct, ReWOO, RAP, ToT, GoT, Policy Generation)을 분석하여 각 접근법의 LM 평가 복잡도를 정량화한다. 이를 통해 기존 접근법들이 상당한 수의 LLM 호출을 필요로 하여 비효율적임을 보여준다.
이에 대한 대안으로, 저자들은 LLM을 활용하여 검색 구성 요소(successor 함수, goal test 함수 등)를 직접 생성하고, 이를 통해 검색을 수행하는 접근법을 제안한다. 이를 통해 LLM 호출 횟수를 크게 줄일 수 있으며, 검색 알고리즘의 완전성과 정확성을 보장할 수 있다.
저자들은 24 게임 문제를 예로 들어 이 접근법을 구현하고 평가한다. 실험 결과, 제안한 접근법은 ToT 접근법에 비해 훨씬 적은 계산 자원을 사용하면서도 더 나은 성능을 보인다. 이를 통해 LLM을 효율적이고 책임감 있게 활용할 수 있는 방법을 제시한다.
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Michael Katz... alle arxiv.org 04-19-2024
https://arxiv.org/pdf/2404.11833.pdfDomande più approfondite