«`html
Language-Guided World Models (LWMs): Enhancing Agent Controllability and Compositional Generalization through Natural Language
Большие языковые модели (LLM) привлекли значительное внимание в области искусственного интеллекта, особенно в разработке агентов на основе моделей. Эти агенты, оснащенные вероятностными мировыми моделями, могут предвидеть будущие состояния окружающей среды и планировать соответственно. Однако текущая задача заключается в создании мировых моделей, которые люди могут легко модулировать, поскольку традиционные модели полагаются исключительно на наблюдательные данные, что не является идеальным средством передачи человеческих намерений.
Практические решения:
Исследователи из Принстонского университета, Университета Калифорнии и Университета Беркли Южной Калифорнии представляют языково-управляемые мировые модели (LWM), которые предлагают уникальный подход к преодолению традиционных ограничений мировых моделей. Эти модели могут быть направляемы через устную коммуникацию человека, интегрируя надзор на основе языка, сохраняя при этом преимущества моделей на основе моделирования. LWM уменьшают усилия по обучению человека и смягчают риски вредных действий агента во время исследования окружающей среды.
Значение:
LWM представляют собой уникальный класс мировых моделей, разработанных для интерпретации языковых описаний и имитации динамики окружающей среды. Эти модели решают ограничения наблюдательных мировых моделей, позволяя людям легко адаптировать свое поведение через естественное общение. LWM могут использовать существующие тексты, уменьшая необходимость в обширных интерактивных опытах и усилиях по тонкой настройке человека.
Результаты:
Оценка LWM на бенчмарке MESSENGER-WM привела к нескольким ключевым выводам:
- Потери перекрестной энтропии: EMMA-LWM последовательно превзошел все базовые модели в более сложных разделах NewAttr и NewAll, приближаясь к производительности модели OracleParse.
- Композиционная обобщенность: модель EMMA-LWM продемонстрировала превосходную способность интерпретировать ранее невидимые руководства и точно имитировать динамику по сравнению с наблюдательной моделью, которую легко обмануть спурными корреляциями.
- Базовая производительность: Стандартная модель проявила чувствительность к инициализации, в то время как модель GPTHard не оправдала ожидания, возможно из-за неполного извлечения идентичности и преимуществ совместного изучения извлечения идентичности и атрибута.
- Генерация воображаемой траектории: EMMA-LWM превзошел все базовые модели в метриках, таких как предсказание расстояния (∆dist), точность ненулевой награды и точность завершения на всех уровнях сложности (NewCombo, NewAttr, NewAll).
Эти результаты подчеркивают эффективность EMMA-LWM в композиционной обобщенности и точной имитации динамики окружающей среды на основе языковых описаний, превосходя другие подходы в сложном бенчмарке MESSENGER-WM.
Если вам нужны советы по внедрению ИИ, пишите нам на https://t.me/itinai. Следите за новостями об ИИ в нашем Телеграм-канале https://t.me/aisalesbotnews
Попробуйте AI Sales Bot https://saile.ru/ Это AI ассистент для продаж, он помогает отвечать на вопросы клиентов, генерировать контент для отдела продаж, снижать нагрузку на первую линию.
Узнайте, как ИИ может изменить процесс продаж в вашей компании с решением от saile.ru будущее уже здесь!
«`
