Introspective Tips使用大型语言模型 (LLM) 进行上下文决策制定

Introspective Tips: Large Language Model for In-Context Decision Making

论文讨论了使用大型语言模型 (LLM) 进行上下文决策制定的方法。

近年来，大型语言模型 (LLM) 已经在自然语言处理L域产生了重大影响，在多种任务中取得了出色的结果。在这项研究中，作者使用“内省提示”来帮助 LLM 自我优化其决策制定。通过内省地检查轨迹，LLM 生成简洁且有价值的提示，来改进其政策。

这种方法在很少或没有示例的情况下提G了代理的表现，考虑了三个重要场景：从代理过去的经验中学习、集成专家演示，并泛化到不同的游戏。

重要的是，我们实现这些改进并不需要微调 LLM 参数，而是调整提示以概括上述三个场景的洞察力。我们的框架不仅支持，而且强调使用 LLM 进行上下文决策制定的优势。通过超过 100 个 TextWorld 游戏的实验，我们展示了我们的方法的优势。

论文： https://www.aminer.cn/pub/646aecaad68f896efa05a6f6