Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Incitación guiada por DMN: un marco para controlar el comportamiento LLM

Created by
  • Haebom

Autor

Shaghayegh Abedi, Amin Jalali

Describir

Este artículo propone un marco de incitación basado en Modelos y Notación de Decisiones (DMN), que aprovecha el potencial de los modelos de lenguaje a gran escala (LLM) para automatizar la lógica de decisiones en procesos intensivos en conocimiento. Está diseñado para descomponer la lógica de decisiones compleja en componentes pequeños y manejables, guiando al LLM a lo largo de una ruta de decisión estructurada. Se realizaron experimentos para aplicar este marco a los procesos de entrega y retroalimentación de tareas en clases de posgrado, demostrando un rendimiento superior al de la incitación por cadena de pensamiento (CoT). Las encuestas estudiantiles también confirmaron su alta usabilidad.

Takeaways, Limitations

•
Takeaways:
◦
Presentamos la posibilidad de mejorar el desempeño de la automatización de la lógica de decisiones en LLM a través de indicaciones basadas en DMN.
◦
Resuelva los desafíos de diseñar indicaciones complejas y proporcione una interfaz fácil de usar.
◦
Validación de la eficacia mediante la aplicación en entornos educativos reales.
◦
Ventaja de rendimiento confirmada sobre el estímulo CoT.
◦
Confirmación de la alta satisfacción de los estudiantes.
•
Limitations:
◦
Se necesita una mayor validación de la generalización mediante estudios de casos en entornos educativos limitados.
◦
La complejidad y la experiencia necesarias para diseñar modelos DMN.
◦
Se necesitan más investigaciones para determinar la generalización de diferentes tipos de lógica de decisión y LLM.
◦
Falta de experimentación y validación extensivas utilizando grandes conjuntos de datos.
👍
Made with Slashpage