AutoGuide: Generación y Selección Automatizada de Directrices Conscientes del Estado para Agentes de Modelos de Lenguaje Grande

La principal limitación de los modelos de lenguaje grande (LLMs) es su comprensión restringida del mundo. Esto plantea dificultades significativas para los agentes basados en LLM, particularmente en dominios donde los LLM preentrenados carecen de suficiente conocimiento. En este artículo, introducimos un nuevo marco, llamado AutoGuide, que cierra la brecha de conocimiento en los LLM preentrenados aprovechando el conocimiento implícito en experiencias fuera de línea. Específicamente, AutoGuide extrae eficazmente el conocimiento embebido en datos fuera de línea al extraer un conjunto de directrices conscientes del estado. Importante, cada directriz consciente del estado se expresa en un lenguaje natural conciso y sigue una estructura condicional, describiendo claramente el estado donde es aplicable. Como tal, las directrices resultantes permiten una forma fundamentada de proporcionar conocimiento útil pertinente al proceso de toma de decisiones actual de un agente. Mostramos que nuestro enfoque supera por un amplio margen las líneas de base competitivas basadas en LLM en benchmarks de toma de decisiones secuenciales.