LLM-Planning-Papers

LLM-Planning-Papers 项目介绍

LLM-Planning-Papers 项目是一个汇集了大型语言模型（LLMs）规划能力研究的必读文献清单。这个项目的目的是汇集和分享关于在大语言模型中进行规划能力研究的最新进展和潜在应用。这些文献讨论了如何利用语言模型进行规划，提供了丰富的理论和实践视角。

项目背景

近年来，大型语言模型在各个领域的应用越来越广泛，而规划能力是这些模型在实际应用中需要面对的一个重要挑战。规划能力指的是模型在未知环境中实现目标的能力。为了促进对这一领域的深入研究，LLM-Planning-Papers 项目创建了一个资源库，涵盖了众多相关论文，以供研究人员和开发人员参考。

相关论文概览

此项目包含的论文主要集中在以下几个研究方向：

• 零次规划能力：研究如何通过语言模型直接获取可执行的知识，比如《Language Models as Zero-Shot Planners: Extracting Actionable Knowledge for Embodied Agents》。

• 复杂推理和提示技术：例如，通过最少提示增强语言模型复杂推理能力的研究《Least-to-Most Prompting Enables Complex Reasoning in Large Language Models》。

• 基础任务规划：研究如何利用语言模型进行基础任务的规划，如《On Grounded Planning for Embodied Tasks with Language Models》。

• 规划基准测试：对语言模型的规划能力进行评估和检验，比如《On the Planning Abilities of Large Language Models (A Critical Investigation with a Proposed Benchmark）》。

• 开放世界多任务规划：探索大语言模型在开放世界中的多任务规划能力，如《Describe, Explain, Plan and Select: Interactive Planning with Large Language Models Enables Open-World Multi-Task Agents》。

• 多模态规划：结合图片和文本提示进行多模态程序规划的研究。

项目新闻与发展

• 截至2023年8月12日，LLM-Planning-Papers 项目正式成立，持续更新添加新的研究论文。

项目的学术价值

LLM-Planning-Papers 项目不仅为学术研究提供了丰富的信息资源，也为工业应用提供了实用的参考案例。通过集成和分享关于大语言模型在规划能力方面的最新研究成果，项目为相关领域的研究人员、教育工作者、开发者提供了一个集中的、可访问的平台。

项目影响

这个项目在 GitHub 上的星标历史图表明确显示了其在研究社区中的受欢迎程度。随着大语言模型技术的进一步发展和应用，LLM-Planning-Papers 项目将继续为该领域的进步和创新提供支持。

通过以上内容，读者可以对 LLM-Planning-Papers 项目的内容、背景以及在大语言模型规划能力研究中的重要性有一个更清晰的理解。