VAL：使用GPT对话解析进行交互式任务学习

文献标题

VAL: Interactive Task Learning with GPT Dialog Parsing

文献信息

• 主题领域: 人机交互、任务学习、自然语言处理
• 关键词: 分层任务网络, GPT, 大语言模型 (LLMs), 神经符号AI, 混合AI

研究背景与问题

• 背景:
  • 交互式任务学习 (Interactive Task Learning, ITL) 是一种在人类自然交互中增量获取任务知识的方法，旨在使计算机能够通过人类的教学从语言中学习普适性任务。
  • 现有ITL系统依赖语法语义解析，但常因解析错误导致交互不自然和易碎性问题。大语言模型（LLMs）在语义理解上更灵活，但缺乏增量学习能力和可解释性。
• 问题或挑战:
  • 如何结合LLMs的优势与经典符号学习的透明和可扩展性以实现ITL。
  • 当前ITL系统语言解析功能的脆弱性，难以支持复杂且自然的对话场景。
  • 对语言中的共指解析、语义歧义处理以及任务泛化能力的不足。
• 研究重要性:
  • 推动ITL系统发展，使其能够使用自然语言与人类交互，同时保持可解释性和通用性。
  • 改进人机交互体验，使泛化性和人类指导成为可能。
• 研究动机: 提出一种有效的神经符号混合框架，以解决上述挑战。

解决方案

• 提出方法:

  • 开发一个名为VAL (Verbal Apprentice Learner) 的ITL系统，结合GPT家族的大语言模型（LLMs）与符号任务学习框架。
  • 系统专注于通过自然语言对话学习分层任务知识，结合LLMs完成特定子任务（如谓词选择等），而非端到端依赖LLMs。

• 创新之处:

  1. 独特的神经符号混合架构：
     • 将GPT用于语义解析和对话中的子任务处理（如谓词提取和参数选择）。
     • 使用经典分层任务网络 (HTN) 表示任务结构。
  2. 通过确认对话和撤销操作减少连锁错误，提高交互体验可用性。
  3. 允许增量学习和任务泛化，支持从自然语言对话中教学。
  4. 提供用户友好的任务知识可视化。

• 实施步骤:

  1. 使用"VALgorithm"算法结构化自然语言输入：
     • 拆分用户输入为原子步骤；
     • 使用GPT完成谓词匹配、参数映射和验证。
  2. 提供分层任务网络(Hierarchical Task Networks, HTN)框架，学习任务层级关系。
  3. 借助用户交互确认界面实现错误校正。
  4. 设计一个实时的交互界面，便于用户教学以及任务监控。
  5. 在视频游戏环境（如Overcooked-AI）中测试系统学习效果。

研究成果

• 具体成果:
  • VAL 系统能够通过少量自然语言交互增量学习复杂任务的层级结构（如Overcooked游戏任务）。
  • 提供直观的知识表示（如实时可视化和确认对话界面），提高系统用户体验。
• 优势:
  • 与当前ITL系统相比，VAL在理解语法错误、不自然表达和歧义语言上的鲁棒性显著提高。
  • 集合了LLMs对于灵活语言理解的优势，同时保留了基于HTN的符号学习的可解释性。
  • 支持更丰富和自然的用户交互，优化用户参与体验。
• 实验结果:
  • 在12名参与者组成的用户研究中，VAL被证明能够完成大部分任务学习。
  • 用户主观感受普遍为“易于使用”和“自然”，但也指出确认对话频繁仍会增加互动的乏味性。
  • 不同子模块的平均准确率较高，尤其是在输入语段分割和参数映射部分。
• 局限性与未来方向:
  • 确认对话的过于频繁增加了用户疲劳感，未来可尝试减少不必要确认。
  • 增加对环境感知和自动任务生成的功能以减少用户教学负担。
  • 在其他任务模块和多模式交互（如视觉和手势）上扩展VAL的能力。
  • 使用开源模型替代商业化LLMs以提高系统透明性和可扩展性。