Multi-Task Option Learning and Discovery for Stochastic Path Planning
Arizona State University（亚利桑那州立大学）
本文讨论的问题，可靠和有效地解决广泛的类的长期随机路径规划问题。从一个香草RL配方与随机动态模拟器和占用矩阵的环境开始，我们的方法计算有用的选项与政策以及高层次的路径，组成发现的选项。我们的主要贡献是（1）数据驱动的方法，用于创建抽象状态，作为有用选项的端点，（2）使用密集伪奖励函数形式的自动生成的选项指南计算选项策略的方法，以及（3）用于组成计算选项的总体算法。我们表明，这种方法产生强有力的保证可执行性和可解性：在相当一般的条件下，计算的选项指南导致组合的选项政策，从而确保向下细化。对一系列机器人、环境和任务的实证评估表明，这种方法可以有效地在相关任务之间传递知识，并且其性能明显优于现有方法。
2022-12-08 cs.AI cs.LG cs.RO
Compositional Reinforcement Learning from Logical Specifications
University of Pennsylvania（宾夕法尼亚大学）
我们研究的问题，学习控制策略的复杂任务的逻辑规范。最近的方法从给定的规范自动生成奖励函数，并使用合适的强化学习算法来学习使预期奖励最大化的策略。然而，这些方法对于需要高级别规划的复杂任务的扩展性很差。在这项工作中，我们开发了一种组合学习方法，称为DiRL，它将高级规划和强化学习交织在一起。首先，DiRL将规范编码为抽象图;直观地说，图的顶点和边分别对应于状态空间的区域和更简单的子任务。然后，我们的方法结合了强化学习，在Dijkstra风格的规划算法中为每条边（子任务）学习神经网络策略，以计算图中的高级计划。一组具有连续状态和动作空间的具有挑战性的控制基准上的所提出的方法的评估表明，它优于最先进的基线。
2021-12-27 cs.AI cs.LG
Finding Options that Minimize Planning Time
Brown University（布朗大学）；Carnegie Mellon University（卡内基梅隆大学）
我们形式化的问题，选择最佳的一组选项规划的计算最小的一组选项，使规划收敛在小于一个给定的最大值迭代通过。我们首先表明，这个问题是NP-难的，即使任务被限制为确定性的-第一个这样的复杂性结果的选项发现。然后，我们提出了第一个多项式时间有界次优的近似算法，这种设置，并根据经验评估它对最佳选项和启发式方法的代表性收集在简单的基于网格的域，包括经典的四个房间的问题。
2019-03-16 cs.AI
Compositional Planning with Jumpy World Models
FAIR at Meta；Mila -- Qu\'ebec AI Institute；McGill University
本文提出基于跳跃世界模型的组合规划方法，通过学习多步动态预测模型提升长时间任务的规划性能，实现复杂任务的解决。
2026-02-23 cs.AI cs.LG stat.ML
Compositional planning in Markov decision processes: Temporal abstraction meets generalized logic composition
Worcester Polytechnic Institute（伍斯特理工学院）
在马尔可夫决策过程（MDP）的层次规划中，时间抽象允许以顺序组合的形式对发生在不同时间尺度上的宏动作进行规划。在本文中，我们提出了一种新的方法，组合推理和层次规划的时态逻辑约束下的MDP。除了顺序组合，我们介绍了一种基于广义逻辑组合的策略组合：给定子任务的子策略和一个新的任务表示为子任务的逻辑组合，一个半最优的策略，这是最优的规划与只有子策略，可以通过简单地组合子策略。因此，一个综合算法的开发，以计算最优策略有效地规划与原始行动，子任务的政策，和子政策的组成，以最大限度地满足时态逻辑规格的概率。我们证明了所提出的方法的正确性和效率在随机规划的例子与一个单一的代理和多个任务规范。
2019-07-22 cs.AI math.OC
Compositional Foundation Models for Hierarchical Planning
MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）
本文提出组合基础模型HiP，联合语言、视频扩散和逆动力学模型，通过迭代优化实现长时程任务的分层规划与视觉-运动控制。
2023-09-21 cs.AI cs.LG cs.RO
Compositional Learning-based Planning for Vision POMDPs
UC Berkeley（加州大学伯克利分校）；CU Boulder（科罗拉多大学博尔德分校）；Google Research（谷歌研究院）
部分可观测马尔可夫决策过程（POMDP）是一个强大的框架，用于捕获涉及状态和转移不确定性的决策问题。然而，大多数当前POMDP规划者不能有效地处理现实世界应用中普遍存在的高维图像观测，并且通常需要与环境交互的冗长的在线培训。在这项工作中，我们提出了视觉树搜索（VTS），组合学习和规划过程，结合生成模型离线学习与在线基于模型的POMDP规划。深度生成观测模型评估蒙特卡罗树搜索规划器中的可能性并预测未来图像观测。我们证明了VTS对训练过程中不存在的不同类型的图像噪声具有鲁棒性，并且可以适应不同的奖励结构，而无需重新训练。这种新方法显著且稳定地优于几种基线最先进的视觉POMDP算法，同时使用一小部分训练时间。
2022-12-03 cs.AI cs.LG cs.RO
Learning Abstract World Model for Value-preserving Planning with Options
Brown University（布朗大学）
针对通用智能体复杂决策难的问题，提出利用时间扩展动作结构学习抽象MDP的方法，保障规划策略值损失有界，在导航任务中提升了样本效率。
2024-06-22 cs.AI cs.LG
Reward-Respecting Subtasks for Model-Based Reinforcement Learning
DeepMind（深度思维）；University of Alberta（阿尔伯塔大学）；Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所（Amii））
本文提出尊重奖励的子任务来发现时间抽象选项，通过结合原始奖励与终止状态特征奖励，使学到的选项模型在规划中比特征选项、瓶颈最短路径选项和option-critic选项更有用，并给出在线离策略学习价值、策略、选项和模型的方法。
2023-09-16 cs.AI cs.LG
LayoutAgent: A Vision-Language Agent Guided Compositional Diffusion for Spatial Layout Planning
Personalization Team, Walmart Global Tech（Walmart全球科技个性化团队）
本文提出 LayoutAgent 框架，结合视觉-语言模型预处理与机器人学中的组合扩散生成尊重语义和物理关系的边界框，并由前景条件生成器合成完整场景，在布局连贯性、空间真实性和美学对齐上优于现有模型。
2025-09-24 cs.AI cs.CV cs.LG
A Matrix Splitting Perspective on Planning with Options
McGill University（麦吉尔大学）
我们发现，贝尔曼运营商的期权框架导致矩阵分裂，传统上用于加快收敛的迭代求解大型线性方程组的方法。基于标准的比较定理矩阵分裂，然后我们展示了如何收敛的渐近速度作为一个函数的固有时间尺度的选项。这种新的视角强调了渐近性能和与构建一组良好选项相关的计算成本之间的权衡。
2017-07-10 cs.AI
Decision-Theoretic Planning with Concurrent Temporally Extended Actions
Michigan State University（密歇根州立大学）
我们研究了一个模型，规划下的不确定性与temporallyextended行动，多个行动可以同时采取在每个决策时期。我们的模型是基于选项框架，并结合它与因子化的状态空间模型，其中的一组选项可以被划分为影响不相交的状态变量的类。我们发现，一组decisionepochs并发选项定义了一个半马尔可夫decisionprocess，如果潜在的时间上扩展的行动被并行arenjoined马尔可夫选项。这个属性允许我们使用SMDP算法来计算并发操作上的价值函数。并发选项模型允许选项的重叠执行，以实现更高的性能或执行复杂的任务。我们描述了一个简单的实验，使用navigationtask，说明如何并发选项的结果在一个更快的计划相比，只有一个选项的情况下，在一个时间。
2013-01-10 cs.AI
ChinaTravel: An Open-Ended Travel Planning Benchmark with Compositional Constraint Validation for Language Agents
State Key Laboratory of Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室）；School of Intelligence Science and Technology, Nanjing University, China（南京大学智能科学与技术学院）；School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院）；Noah’s Ark Lab, Huawei, China（华为诺亚实验室）
ChinaTravel通过开放数据集和组合通用领域语言，提升语言代理在复杂真实场景中的约束满足能力，实现37%的约束满足率，比纯神经模型提升10倍。
2026-04-29 cs.AI cs.CL
Encoding Compositionality in Classical Planning Solutions
University of Maryland, College Park（马里兰大学帕克分校）；Johns Hopkins University Applied Physics Laboratory（约翰斯·霍普金斯大学应用物理实验室）
经典的人工智能规划器以长而不透明的文本输出形式提供规划问题的解决方案。为了帮助理解规划解决方案的可转移性，有必要在当前逐行文本符号之外为人类和计算机提供丰富且易于理解的表示。特别地，希望在整个计划中对文字的踪迹进行编码，以捕获所选择的动作之间的依赖性。本文的方法是将动作视为文字之间的映射，而所选计划则是这些映射的组合。数学理论，称为范畴论，提供了相关的结构，用于捕获映射，它们的组成，以及组成之间的映射。我们采用这一理论，提出了一个算法不可知的，基于模型的表示域，问题，并表示在常用的规划描述语言，PDDL计划。这个范畴理论表示伴随着图形语法，除了线性符号，类似于代数表达式，可以用来推断计划的每一步使用的文字。这提供了适当的建设性抽象，并促进人类操作员的理解。在本文中，我们将在Blocksworld域中的一个计划上证明这一点。
2021-07-13 cs.AI
Autonomous Option Invention for Continual Hierarchical Reinforcement Learning and Planning
Arizona State University（亚利桑那州立大学）
本文提出在持续强化学习中自主发明并利用具有符号表示的高级选项的方法，通过结合状态抽象与前瞻规划，实现了选项的可组合、可重用与互独立，显著提升了跨任务的样本效率与知识迁移能力。
2024-12-20 cs.AI
Creativity of AI: Hierarchical Planning Model Learning for Facilitating Deep Reinforcement Learning
Sun Yat-sen University（中山大学）；Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
本文提出一种结合符号选项与分层规划模型的深度强化学习框架，通过循环训练自动学习规划模型以提升数据效率、可解释性与可迁移性，并在两个领域验证了其有效性。
2023-07-07 cs.AI cs.LG
NEUSIS: A Compositional Neuro-Symbolic Framework for Autonomous Perception, Reasoning, and Planning in Complex UAV Search Missions
Faculty of Information Technology, Monash University（莫纳什大学信息技术学院）
针对复杂环境下无人机自主搜索任务的感知决策难题，提出组合式神经符号框架NEUSIS，整合多模块实现高效搜索，实验验证其性能优于现有最优模型。
2024-09-16 cs.AI cs.CV cs.RO
Learning Compositional Neural Programs with Recursive Tree Search and Planning
InstaDeep；DeepMind；Sorbonne Universite（索邦大学）
我们提出了一种新的强化学习算法AlphaNPI，它结合了神经程序员解释器（NPI）和AlphaZero的优点。NPI以模块化、层次化和递归化的形式贡献结构偏差，有助于降低样本复杂度、提高泛化能力和增强可解释性。AlphaZero提供了强大的神经网络引导搜索算法，我们用递归来增强它。AlphaNPI仅假设具有稀疏奖励的分层程序规范：当程序执行满足规范时为1，否则为0。使用该规范，AlphaNPI能够首次使用RL有效地训练NPI模型，完全消除了对执行跟踪形式的强监督的需求。实验表明，AlphaNPI可以像以前的强监督NPI变体一样进行排序。AlphaNPI代理还在具有两个磁盘的汉诺塔谜题上进行了训练，并被证明可以推广到具有任意数量磁盘的谜题
2021-04-13 cs.AI
Generalization of Compositional Tasks with Logical Specification via Implicit Planning
Georgia Institute of Technology（佐治亚理工学院）
针对逻辑规约定义的组合任务强化学习泛化难、收敛慢的问题，提出带隐式规划器的分层RL框架，用GNN在潜空间规划并引导低层策略，在效率和最优性上均优于现有方法。
2024-11-02 cs.AI cs.SY eess.SY
Learning compositional models of robot skills for task and motion planning
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；Google（谷歌）
这项工作的目的是增加机器人的基本能力，通过学习使用感觉运动原语来解决复杂的长期操作问题。这需要灵活的生成规划，可以将原始能力结合在新的组合中，从而概括各种各样的问题。为了用基本动作进行计划，我们必须有动作的模型：在什么情况下，执行这个基本动作会成功地在世界上实现某种特定的效果？我们使用最先进的方法进行主动学习和采样，并对其进行新颖的改进。我们使用高斯过程的方法来学习的限制，从少量的昂贵的收集训练样本的技能有效性。此外，我们开发了有效的自适应采样方法，用于在规划过程中生成一个全面和多样化的连续候选控制参数值序列（如杯子的浇注航点）。这些值成为传统运动规划器的末端执行器目标，然后解决执行技能的完整机器人运动。通过结合使用学习和规划方法，我们利用每种方法的优势，并为各种复杂的动态操作任务进行规划。我们在一个集成系统中展示了我们的方法，将传统的机器人原语与我们新学到的模型相结合，使用高效的机器人任务和运动规划器。我们评估我们的方法在模拟和现实世界中，通过测量选定的原始动作的质量。最后，我们将我们的集成系统应用于各种长时间模拟和现实世界的操纵问题。
2021-05-05 cs.AI cs.LG cs.RO
The Option-Critic Architecture
McGill University（麦吉尔大学）
时间抽象是强化学习中扩展学习和规划的关键。虽然时间上扩展的行动规划是很好的理解，从数据中自主创建这样的抽象仍然具有挑战性。我们在期权的框架中解决这个问题[Sutton，Precup & Singh，1999; Precup，2000]。我们推导出期权的策略梯度定理，并提出了一种新的期权批评的架构，能够学习的内部政策和终止条件的选项，与政策的选项，而不需要提供任何额外的奖励或子目标。在离散和连续环境中的实验结果显示了该框架的灵活性和效率。
2016-12-03 cs.AI
MACOptions: Multi-Agent Learning with Centralized Controller and Options Framework
The University of Texas at Dallas（德克萨斯大学达拉斯分校）
如今，自动化在各地都得到了应用。在每一种环境中，规划代理人要采取的行动是一个重要方面。在本文中，我们计划实现规划的多智能体与一个集中式控制器。我们比较了三种方法：随机策略，Q-学习，Q-学习与选项框架。我们还显示了规划器的有效性，通过显示Q-Learning与规划器和没有规划器之间的性能比较。
2023-02-07 cs.AI
Human2Any: Human-to-Robot Transfer via Constraint-Aware Compositional Planning
Georgia Institute of Technology（佐治亚理工学院）；NVIDIA Corporation（英伟达公司）
提出Human2Any框架，从人类视频学习可重用的物体中心交互先验，结合机器人端可行性推理与运动规划，实现无需目标任务真实机器人数据的跨实体、场景和任务迁移。
2026-06-27 cs.AI cs.RO
Single-step Options for Adversary Driving
University of Alberta（阿尔伯塔大学）；Huawei Technologies Canada（华为加拿大技术公司）
在本文中，我们使用强化学习在敌对环境中的安全驾驶。在我们的工作中，国家的最先进的规划方法中的知识被重用的单步的【形】选项，其行动建议进行比较，在平行的原始行动。我们这样做有两个好处。首先，训练这个强化学习代理比训练连续动作代理更容易和更快。其次，我们的新代理优于连续动作强化学习代理，人类测试人员以及我们的代理查询作为技能选项的最先进的规划方法。
2019-11-28 cs.AI
WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks
ServiceNow Research（ServiceNow研究院）；Mila（米拉实验室）；Polytechnique Montréal（蒙特利尔理工学院）；Chandar Research Lab（Chandar研究实验室）
本文提出WorkArena++基准，包含682个真实知识工作任务，用于评估智能体的规划、推理与检索能力，并通过实证研究揭示现有LLM和VLM在企业场景中的不足，同时提供轨迹生成机制以支持模型微调。
2025-02-05 cs.AI
Learning Compositional Neural Programs for Continuous Control
InstaDeep；CNRS（法国国家科学研究中心）；Sorbonne Université（索邦大学）；DeepMind
我们提出了一种新的解决方案，具有挑战性的稀疏回报，连续控制问题，需要在多个抽象层次的层次规划。我们的解决方案被称为AlphaNPI-X，涉及三个独立的学习阶段。首先，我们使用具有经验重放的非策略强化学习算法来学习一组原子目标条件策略，这些策略可以很容易地重新用于许多任务。其次，我们学习描述原子策略对环境影响的自模型。第三，自我模型被用来学习具有多个抽象层次的递归组合程序。关键的见解是，自我模型使规划的想象力，避免了需要与世界互动时，学习更高层次的组合程序。为了完成第三阶段的学习，我们扩展了AlphaNPI算法，该算法应用AlphaZero来学习递归神经程序解释器。我们的经验表明，AlphaNPI-X可以有效地学习解决具有挑战性的稀疏操作任务，例如堆叠多个块，其中强大的无模型基线失败。
2021-04-13 cs.AI
Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options
Department of Computer Science, University of Minnesota（明尼苏达大学计算机科学系）；Department of Computer Science, University of Oxford（牛津大学计算机科学系）
本文提出LS-GKDP框架，融合LMDP与Options框架，通过目标核在低维任务接地子空间中优化非马尔可夫子目标任务的元策略，并支持零样本任务迁移。
2025-06-11 cs.AI
Constrained Hierarchical Monte Carlo Belief-State Planning
Stanford University（斯坦福大学）
本文提出COBeTS方法，利用分层选项结构将在线CPOMDP规划扩展到大规模连续机器人问题，在满足约束预算时保证随时安全，并通过分层监控实现运行时安全。
2024-02-26 cs.AI cs.RO
Option Transfer and SMDP Abstraction with Successor Features
University of Oxford（牛津大学）；University of Vienna（维也纳大学）
抽象在知识和技能的概括中起着重要的作用，是有效学习的关键。在这项工作中，我们研究了联合时间和状态抽象的强化学习，在时间上扩展的行动的形式的选项诱导时间抽象，而抽象选项的相似状态的聚合诱导状态抽象。许多现有的抽象方案忽略了状态和时态抽象的相互作用。因此，所考虑的选项政策往往不能直接转移到新的环境中，由于状态空间和过渡动态的变化。为了解决这个问题，我们提出了一个新的抽象方案的后续功能的建设。这包括在不同环境中传输抽象选项的算法，以及允许我们使用传输的选项执行有效规划的状态抽象机制。
2022-06-08 cs.AI cs.LG
LayoutGPT: Compositional Visual Planning and Generation with Large Language Models
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）；Google（谷歌）；University of California, Santa Cruz（加州大学圣克鲁兹分校）
LayoutGPT利用大语言模型从文本条件生成视觉布局，通过样式表语言组合上下文演示提升规划能力，在2D图像和3D场景中显著优于现有文本到图像方法，并达到与人类用户及监督方法相当的性能。
2023-10-28 cs.AI cs.CV
Learning High-Level Planning Symbols from Intrinsically Motivated Experience
Institute of Cognitive Science and Technologies, National Research Council（国家研究委员会认知科学与技术研究所）
在符号规划系统中，领域知识通常由专家提供。最近，在文献中提出了一个自动抽象过程，以创建一个规划域定义语言（PDDL）表示，这是最广泛使用的输入格式，大多数现成的自动规划，从“选项”，用于表示分层强化学习框架内的行动的数据结构。我们提出了一个架构，可能消除了人为干预的需要。特别是，该架构首先在开放式学习的基础上以完全自主的方式获取选项，然后基于符号和运算符构建PDDL域，这些符号和运算符可用于通过标准PDDL规划器实现用户定义的目标。我们从一组基准域上测试的上述过程的实现开始，在这些基准域中，人形机器人可以通过与环境的直接交互来改变某些对象的状态。然后，我们调查的信息抽象过程中，已观察到的一些关键方面，并提出了一个扩展，减轻这种批评，特别是通过分析类型的分类器，允许一个合适的接地符号。
2019-07-18 cs.AI cs.LG
Prismatic World Model: Learning Compositional Dynamics for Planning in Hybrid Systems
Beijing Institute of Technology（北京理工大学）；Peking University（北京大学）；NLCo Lab, Beijing Institute for General Artificial Intelligence（北大师范学院实验室，北京人工智能研究院）
本文提出Prismatic World Model，通过分解混合动力学为可组合的原始构件，解决机器人领域中基于模型的规划问题，提升轨迹优化算法的精度。
2026-05-13 cs.AI cs.RO
PRECEPT: Planning Resilience via Experience, Context Engineering & Probing Trajectories A Unified Framework for Test-Time Adaptation with Compositional Rule Learning and Pareto-Guided Prompt Evolution
PRECEPT通过经验、上下文工程与轨迹探测，结合组合规则学习和帕累托引导提示演化，提升测试时间适应的鲁棒性和泛化能力。
2026-03-10 cs.AI cs.IR
The Termination Critic
DeepMind
在这项工作中，我们考虑的问题自主发现行为抽象，或选项，强化学习代理。我们提出了一个算法，侧重于终止条件，而不是-因为是常见的-政策。终止条件通常是为了优化控制目标而训练的：如果另一个选项具有更好的价值，则应该终止。我们提供了一个不同的，信息理论的角度来看，并建议终止应该集中在选项的编码的压缩性-可以说是使用抽象的一个关键原因。为了在算法上实现这一点，我们利用经典的期权框架，并学习期权转换模型作为终止条件的“评论家”。使用这个模型，我们得到优化所需标准的梯度。我们表明，由此产生的选项是不平凡的，直观上有意义的，有用的学习和规划。
2019-02-26 cs.AI cs.LG stat.ML
The Logical Options Framework
CSAIL, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室）；Toyota Research Institute（丰田研究所）；MIT Lincoln Laboratory（麻省理工学院林肯实验室）
在规则和任务复杂的环境中学习组合策略是一个具有挑战性的问题。我们引入了一个分层的强化学习框架，称为逻辑选项框架（LOF），学习令人满意的，最佳的和可组合的策略。LOF通过将任务表示为自动机并将其集成到学习和规划中来有效地学习满足任务的策略。我们提供并证明条件下，LOF将学习满意的，最优的政策。最后，我们展示了LOF的学习策略如何组成，以满足看不见的任务，只有10-50个再训练步骤。我们评估LOF在离散和连续域中的四个任务，包括3D拾取和放置环境。
2021-02-24 cs.AI cs.LG cs.RO
Agent S2: A Compositional Generalist-Specialist Framework for Computer Use Agents
Simular Research（西穆拉研究机构）
针对计算机使用智能体GUI定位不准、长程规划难及单模型瓶颈问题，提出组合式通才-专才框架Agent S2，采用混合定位与主动分层规划技术，在多个基准上创下SOTA并实现跨系统泛化。
2025-04-01 cs.AI cs.CL cs.CV
Multi-Timescale, Gradient Descent, Temporal Difference Learning with Linear Options
University of Washington（华盛顿大学）；McGill University（麦吉尔大学）
在强化学习中，考虑大的或连续的状态空间一直是长期存在的挑战。时态抽象在某种程度上使这成为可能，但使用时态抽象进行有效规划仍然是一个问题。此外，在使用时间抽象模型的同时，使用空间抽象来学习各种情况下的策略是一个开放的问题。我们在这里提出了一个有效的算法，它是收敛的线性函数逼近，而规划使用时间抽象的行动。我们展示了如何使用该算法以及随机生成的期权模型在多个时间尺度上计划代理人需要采取行动实时的。在多个时间尺度上使用这些随机生成的选项模型，以减少解决给定任务所需的决策时期的数量，从而有效地减少审议所需的时间。
2017-03-19 cs.AI
Diffusion Meets Options: Hierarchical Generative Skill Composition for Temporally-Extended Tasks
National University of Singapore（新加坡国立大学）；Smart Systems Institute（智能系统研究院）
本文提出DOPPLER分层框架，结合LTL指令、分层强化学习和扩散模型，通过行列式引导采样高效生成满足长时程避障与顺序访问任务的机器人轨迹。
2024-10-03 cs.AI cs.LG cs.RO
TPE: Towards Better Compositional Reasoning over Conceptual Tools with Multi-persona Collaboration
The Chinese University of Hong Kong（香港中文大学）
本文提出多角色协作框架 TPE，通过 Thinker、Planner 和 Executor 解耦对话生成，增强 LLM 对概念性工具的组合推理与可控回复能力。
2023-09-28 cs.AI cs.CL
