Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Make Planning Research Rigorous Again!

Created by
  • Haebom

저자

Michael Katz, Harsha Kokel, Christian Muise, Shirin Sohrabi, Sarath Sreedharan

개요

60년 이상의 역사를 가진 계획 분야는 전례 없는 계획 문제를 해결할 수 있는 계획 소프트웨어의 이론과 실제에 크게 기여해 왔습니다. 이는 계획 시스템의 엄격한 설계 및 평가라는 확립된 관행을 통해 이루어졌습니다. 본 논문은 이러한 엄격함을 대규모 언어 모델을 이용한 계획에 대한 최근 연구 동향에도 적용해야 한다고 주장합니다. 그 방법 중 하나는 자동 계획 커뮤니티의 통찰력, 도구 및 데이터를 LLM 기반 계획자의 설계 및 평가에 올바르게 통합하는 것입니다. 계획 커뮤니티의 경험과 전문 지식은 역사적 관점에서만 중요한 것이 아니라, 얻은 교훈이 LLM 기반 계획자 개발을 가속화하는 데 중요한 역할을 할 수 있습니다. 이러한 입장은 계획 커뮤니티가 직면하고 극복해 온 함정을 반복하고 확산하는 최근 연구가 풍부하다는 점을 고려할 때 특히 중요합니다. 본 논문은 이러한 알려진 함정을 피하는 것이 LLM 기반 계획자 및 일반적인 계획의 발전에 크게 기여할 것이라고 믿습니다.

시사점, 한계점

시사점: 자동 계획 분야의 경험과 전문 지식을 LLM 기반 계획자 개발에 적용하면 개발 속도를 높이고 기존의 함정을 피할 수 있다. LLM 기반 계획자 설계 및 평가에 엄격한 설계 및 평가 기준을 적용해야 함을 강조.
한계점: 본 논문은 주장을 제시하지만, LLM 기반 계획자 개발에 자동 계획 분야의 지식을 구체적으로 어떻게 적용해야 하는지에 대한 구체적인 방법론 제시는 부족하다. LLM 기반 계획자의 특수한 문제점에 대한 심층적인 분석이 부족하다.
👍