知识模型提示提升大语言模型在规划任务上的性能

针对大语言模型在推理与规划任务中的不足，本文引入认知科学领域的任务 - 方法 - 知识（TMK）框架进行提示工程研究。不同于传统思维链，TMK 能显式表达因果、目的及层级结构，不仅说明“做什么”和“怎么做”，还解释“为何做”。在 PlanBench 基准测试（Blocksworld 域）中的实验表明，该方法显著提升了模型分解复杂规划问题的能力，将不透明符号任务的准确率从 31.5% 提升至 97.3%，有效弥合了语义近似与符号操作间的差距。