Tool-Planner: Task Planning with Clusters across Multiple Tools
Created by
- Haebom
Category
Empty
저자
Yanming Liu, Xinyue Peng, Jiannan Cao, Shi Bo, Yuwei Zhang, Xuhong Zhang, Sheng Cheng, Xun Wang, Jianwei Yin, Tianyu Du
개요
본 논문은 대규모 언어 모델(LLM)의 도구 학습(tool learning)에서 발생하는 과도한 오류 수정으로 인한 불안정한 계획 및 긴 실행 시간 문제, 그리고 여러 도구 중 정확한 계획을 설계하는 어려움을 해결하기 위해, 도구 키트(toolkit) 기반의 작업 처리 프레임워크인 Tool-Planner를 제안합니다. Tool-Planner는 동일한 기능을 가진 API 함수를 기반으로 도구를 그룹화하여 LLM이 다양한 도구 키트를 활용하여 계획을 수립할 수 있도록 합니다. 도구 오류 발생 시, 언어 모델은 도구 키트를 기반으로 도구를 재선택하고 조정할 수 있습니다. GPT-4 및 Claude 3과 같은 모델에서 다양한 데이터셋에 걸쳐 높은 성공률을 보이며 도구 학습의 계획 체계를 최적화하는 실험 결과를 제시합니다. 소스 코드는 공개적으로 제공됩니다.
시사점, 한계점
•
시사점:
◦
과도한 오류 수정으로 인한 비효율적인 도구 학습 문제 해결에 대한 새로운 접근 방식 제시
◦
도구 키트 기반의 계획 수립으로 LLM의 도구 활용 능력 향상
◦
다양한 LLM 모델(GPT-4, Claude 3 등)에서 효과 검증 및 높은 성공률 달성
◦
공개된 소스 코드를 통해 재현성 및 확장성 확보
•
한계점:
◦
제안된 Tool-Planner의 일반화 성능에 대한 추가적인 연구 필요
◦
다양한 종류의 도구 및 API 함수에 대한 적용 가능성에 대한 추가적인 검증 필요
◦
특정 도구 키트 구성에 대한 의존성 및 최적화 전략에 대한 추가적인 분석 필요
