An Overview and Discussion on Using Large Language Models for Implementation Generation of Solutions to Open-Ended Problems

要約

ラージ・ランゲージ・モデルは、アルゴリズムの仕様を必要とし、パフォーマンス・メトリクスや基本的なビルディング・ブロックのライブラリのような静的なドメイン知識しか使用できない従来の手法を超える、問題解決活動に取り組むことができる自動実装生成手法を考案する新たな機会を提供する。ラージ・ランゲージ・モデルは、問題のフレーミング、可能な解決アプローチの探索、特徴の精緻化と組み合わせ、より高度な実装評価、予期せぬ状況への対応など、オープンエンドな問題に対する問題解決活動を支援する新しい手法の創出を支援することができる。本報告では、モデルプロンプト、強化学習、検索支援型生成など、大規模言語モデルに関する現在の研究成果をまとめた。また、今後の研究要件についても議論した。

要約(オリジナル)

Large Language Models offer new opportunities to devise automated implementation generation methods that can tackle problem solving activities beyond traditional methods, which require algorithmic specifications and can use only static domain knowledge, like performance metrics and libraries of basic building blocks. Large Language Models could support creating new methods to support problem solving activities for open-ended problems, like problem framing, exploring possible solving approaches, feature elaboration and combination, more advanced implementation assessment, and handling unexpected situations. This report summarized the current work on Large Language Models, including model prompting, Reinforcement Learning, and Retrieval-Augmented Generation. Future research requirements were also discussed.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL