基于大语言模型的复杂任务自主规划处理框架

随着深度学习和自然语言处理技术的进步,大语言模型(Large language models, LLMs)展现出巨大潜力.尽管如此,它们在处理复杂任务时仍存在局限性,特别是在任务需要结合规划及外部工具调用的场合.面向这一挑战,提出国内首个以军事游戏为背景的中文的复杂任务规划与执行数据集(Complex task planning and execution dataset, CTPaE),以及一个基于LLMs的自主复杂任务规划(Complex task planning, CTP)处理框架AutoPlan.该框架可以对复杂任务进行自主规划得到元任务序列,并使用递进式ReAct提示(Progressive ReAct prompting, PRP)方法对已规划的元任务逐步执行.该框架的有效性通过在CTPaE上的实验及与其他经典算法的比较分析得到了验证.项目地址:https://github.com/LDLINGLINGLING/AutoPlan.

云端工具集成和管理方法研究

针对航天、航空、兵器、船舶等领域利用专业工具开展复杂产品研制的应用需求,迫切需要通过工具服务化的方式,进行云端工具的集中管理,工具的跨专业共享,解决传统型号研制过程中,工具版本不统一、跨专业资源壁垒、工具掌握门槛高等问题。通过研究跨专业、不同版本自研工具的集成及调用方法,和工具服务器的运行控制、权限管理等方法,以Matlab开发的本地工具为例打通云化技术流程和方法,建立自研工具服务化云平台,实现军工领域复杂产品研制过程中专业工具的管理集中化、版本统一化、利用最大化。