LLM을 사용한 Prolog 플래너 생성: 놀라울 정도로 효과적인 접근 방식

이 논문은 Prolog의 조합 탐색 기능을 활용하여 대규모 언어 모델(LLM)을 사용하여 Prolog 플래너를 생성하는 것을 탐구합니다. 저자들은 LLM이 직접 계획하는 것보다 자연어를 Prolog로 번역하는 데 더 적합하다고 주장합니다. 그들의 접근 방식은 LLM이 문제 설명을 Prolog 코드로 번역하도록 하고, 이를 Prolog 엔진을 사용하여 계획을 실행하는 것입니다. 상태 사실, 동작 술어, 확인 술어 생성에 중점을 둔 자세한 프롬프트 가이드가 제공됩니다. 이 접근 방식은 직접 계획에서 LLM의 한계를 우회하면서 Prolog의 논리적 추론 및 조합 탐색의 장점을 활용합니다. 이 방법은 다양한 장난감 계획 문제에서 효과적인 것으로 나타났습니다.