arxiv：2401.08089v1 [cs.cl] 2024年1月16日__

arxiv：2401.08089v1 [cs.cl] 2024年1月16日

可下载资源数量

已经购买

下载数量：1

单价	0 3.0
Coupon	100% 0%
Total	0 3.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2401.08089v1 [cs.cl] 2024年1月16日

¥ 3.0

热度

本文对大型语言模型（LLM）的应用潜力进行了创新的探索，从而为复杂的任务带来了自动生成行为树（BTS）的具有挑战性的任务。传统的手动BT生成方法效率低下，并且对领域专业知识的重视程度很高。另一方面，现有的自动BT生成技术会遇到与任务复杂性，模型适应性和可靠性相关的瓶颈。为了克服这些挑战，我们提出了一种利用LLM的强大表示和推理能力的新方法。本文的核心贡献在于基于LLM的BT生成框架的设计，该框架涵盖了整个过程，从数据综合和模型培训到应用程序开发和数据验证。综合数据被引入以训练BT生成模型（BTGEN模型），增强其对各种复杂任务的不良和适应性，从而显着提高其整体性能。为了确保生成的BTS的有效性和可执行性，我们强调数据验证的重要性并引入多级验证策略。此外，我们以LLM为中心元素探索了一系列代理设计和开发方案。我们希望本文中的工作可以为基于LLM的BT生成感兴趣的研究人员提供参考。

添加pdf代下载 VIP点击下载文件