Subbarao Kambhampati

外部ガイダンスを使ってLLMを計画タスクに統合するための構造的アプローチ。

研究は、ロボットの行動を評価するためのVLMの使用を調査している。

この研究は、ReActがLLMのパフォーマンス向上にどれだけ効果があるかを疑問視してる。

この作品は、報酬シェイピングを使って強化学習を改善するためのLLMの役割について探る。

新しい方法が言語モデルの推論スキルを向上させることを目指してる。