大規模言語モデル（LLM）を利用したタスク計画の最新研究を紹介します。タスクリストをJSON形式で扱う方法や、Reactを用いてタスクを編集する方法など、異なるアプローチが存在しますが、最適な手法はまだ明確ではありません。
例えば「ReAct」という手法では、タスクと道具を組み合わせることにより、LLMが繰り返し行動を行う基本的な概念です。
一方で、「Reflexion」は言語強化学習を用いた手法であり、対話型エージェントの改善を目指しています。しかし、「Large Language Models Cannot Self-Correct Reasoning Yet」という論文では、自己修正するLLMの限界が示されており、疑問が残ります。
そこで、「PDDL（Planning Domain Definition Language）」を用いる手法や、知識を学習可能な「SayCanPay」、経験から学習する「ExpeL」など、さまざまな新しい研究が登場しています。
これらの手法を組み合わせることで、たとえばペンテストのような複雑なシナリオにおいても、計画を立てる上での洞察が得られる可能性があります。ますます多様化する情報に対応しながらタスクリストを更新するための最適な方法は、今後の研究で明らかになるでしょう。
計画の反復的な更新、新しい情報の統合、そしてフィードバックの取り入れ方が重要な鍵となっています。
出典 : https://isamu-website.medium.com/literature-review-on-task-planning-with-llm-agents-a5c60ce4f6de