Pulkit Verma Ngoc La Anthony Favier Swaroop Mishra Julie A. Shah

要約

大規模言語モデル（LLM）は、多様なタスクにおいて驚異的な性能を示しているが、特に形式的表現が必要な分野（例：計画ドメイン定義言語（PDDL））において、構造化された記号的計画能力は依然として限定的である。本研究では、論理的思考過程（chain-of-thought）を用いた推論を通じて、LLMの記号的計画能力を強化するための新規なインストラクションチューニングフレームワーク「PDDL-Instruct」を提案する。本手法は、行動の適用可能性、状態遷移、計画の妥当性について、明示的な論理的推論ステップを用いて厳密に推論する能力をモデルに学習させることに焦点を当てる。特定の状態において行動が適用可能かどうかを決定するための正確な論理的推論を促すインストラクションプロンプトを設計することで、LLMが構造的な振り返りを通じて計画プロセスを自己修正できるようにする。本フレームワークは、計画プロセスを事前条件の満足、効果の適用、不変条件の保持に関する明示的な推論チェーンに分解することにより、検証能力を体系的に構築する。複数の計画領域における実験結果から、本研究で提案する思考過程に基づくインストラクションチューニングモデルは、従来のベースラインモデルに比べて計画精度が最大66%向上し、標準ベンチマーク上では最大94%の計画精度を達成した。本研究は、LLMの一般的な推論能力と、自動計画に求められる論理的厳密性の間のギャップを埋め、より優れたAI計画システムの開発に向けて有望な道筋を提示している。