MSI-Agent: 우수한 계획 및 의사 결정을 위해 존재하는 에이전트에 다중 규모 통찰력을 통합하기

MSI-Agent: Incorporating Multi-Scale Insight into Embodied Agents for Superior Planning and Decision-Making

September 25, 2024

저자: Dayuan Fu, Biqing Qi, Yihuai Gao, Che Jiang, Guanting Dong, Bowen Zhou

cs.AI

초록

장기 기억은 에이전트에게 중요한데, 여기서 통찰력이 중요한 역할을 합니다. 그러나 관련 없는 통찰력의 발생과 일반적인 통찰력의 부족은 통찰력의 효과를 크게 약화시킬 수 있습니다. 이 문제를 해결하기 위해 본 논문에서는 다양한 규모에서 효과적으로 통찰력을 요약하고 활용하여 LLM의 계획 및 의사 결정 능력을 향상시키기 위해 설계된 MSI-Agent(Multi-Scale Insight Agent)를 소개합니다. MSI는 경험 선택기, 통찰력 생성기 및 통찰력 선택기를 통해 이를 달성합니다. 세 부분으로 구성된 이 파이프라인을 활용하여 MSI는 과업별 및 고수준 통찰력을 생성하고 데이터베이스에 저장한 후, 결정을 지원하기 위해 이로부터 관련 통찰력을 활용할 수 있습니다. 실험 결과 MSI가 GPT3.5에 의한 계획 시 다른 통찰력 전략보다 우수한 성능을 보인다는 것을 보여줍니다. 또한, LLM에게 더 유용하고 관련성 있는 통찰력을 제공하기 위해 씨드 경험과 통찰력을 선택하는 전략에 대해 탐구합니다. 또한, 우리의 관측 결과는 MSI가 도메인 이동 시나리오에 직면했을 때 더 나은 견고성을 나타낸다는 것을 보여줍니다.

English

Long-term memory is significant for agents, in which insights play a crucial role. However, the emergence of irrelevant insight and the lack of general insight can greatly undermine the effectiveness of insight. To solve this problem, in this paper, we introduce Multi-Scale Insight Agent (MSI-Agent), an embodied agent designed to improve LLMs' planning and decision-making ability by summarizing and utilizing insight effectively across different scales. MSI achieves this through the experience selector, insight generator, and insight selector. Leveraging a three-part pipeline, MSI can generate task-specific and high-level insight, store it in a database, and then use relevant insight from it to aid in decision-making. Our experiments show that MSI outperforms another insight strategy when planning by GPT3.5. Moreover, We delve into the strategies for selecting seed experience and insight, aiming to provide LLM with more useful and relevant insight for better decision-making. Our observations also indicate that MSI exhibits better robustness when facing domain-shifting scenarios.