详细内容或原文请订阅后点击阅览
促进个性化的AI旅行计划
MIT-IBM Watson AI实验室的新框架增压语言模型，因此他们可以对，交互性开发和验证有效的复杂旅行议程。
来源:MIT新闻 - 人工智能旅行社有助于为商人，度假者以及中间的每个人提供端到端的物流，例如运输，住宿，餐点和住宿。对于那些希望制定自己安排的人，大型语言模型（LLMS）似乎是使用自然语言迭代互动，提供一些常识性推理，收集信息并致电其他工具以帮助手头的任务的强大工具。但是，最近的工作发现，最先进的LLM在复杂的后勤和数学推理中挣扎，以及具有多个约束的问题，例如Trip Planning，在此期间发现它们在4％或更少的时间内提供了4％或更少的时间，即使使用其他工具和应用程序编程接口（API）。
随后，MIT和MIT-IBM Watson AI实验室的研究团队重新构成了问题，以查看他们是否可以提高LLM解决方案的成功率，以解决复杂问题。 “我们认为，许多计划问题自然是一个组合优化问题，”您需要以可认证的方式满足几个限制，MIT航空航天和宇航学系（AeroAstro）副教授（AeroAstro）和信息和决策系统（LIDS）说。她还是MIT-IBM Watson AI实验室的研究员。她的团队应用机器学习，控制理论和形式方法来开发用于机器人技术，自主系统，控制器和人机相互作用的安全可验证的控制系统。
与Fan合作的论文是MIT-IBM Watson AI实验室的Yang Zhang，Aeroastro研究生Yilun Hao，以及MIT Lids和Harvard University的研究生Yongchao Chen。这项工作最近在计算语言学协会的美洲各国会议上介绍。
纸分解求解器
翻译行动