在商業(yè)環(huán)境中，決策過(guò)程通常涉及數(shù)據(jù)分析，以選擇最合適的方案來(lái)實(shí)現(xiàn)特定目標(biāo)。

• 例如，制藥公司Pfizer可能需要決定哪些工廠應(yīng)該運(yùn)營(yíng)或停止，以及每個(gè)工廠應(yīng)該雇傭多少員工，以最小化生產(chǎn)成本并保持準(zhǔn)時(shí)交付。
• 這一過(guò)程通常分為三個(gè)步驟：制定分析計(jì)劃、檢索必要數(shù)據(jù)、基于數(shù)據(jù)做出決策。
• 其中最困難的部分就是，人類需要制定分析決策

planRAG的目標(biāo)是用LLM替代人類角色，實(shí)現(xiàn)整個(gè)決策過(guò)程的自動(dòng)化。

PlanRAG 

決策問(wèn)答（Decision QA）任務(wù)

決策問(wèn)答任務(wù)要求模型，根據(jù)給定的決策問(wèn)題Q、業(yè)務(wù)規(guī)則R和遵循模式S的結(jié)構(gòu)化數(shù)據(jù)庫(kù)D，生成最佳決策dbest。

• Q包含用戶希望通過(guò)決策實(shí)現(xiàn)的目標(biāo)
• R包含用于推理dbest的公式文本描述。
• 數(shù)據(jù)庫(kù)D可能是一個(gè)標(biāo)記屬性圖（LPG）數(shù)據(jù)庫(kù)或關(guān)系數(shù)據(jù)庫(kù)（RDB）。
• 由于數(shù)據(jù)庫(kù)D通常太大，無(wú)法一次性輸入到LM中，因此假設(shè)LM通過(guò)提出數(shù)據(jù)分析查詢來(lái)檢索數(shù)據(jù)

決策流程

PlanRAG技術(shù)通過(guò)三個(gè)步驟來(lái)解決決策問(wèn)答任務(wù)：

• 計(jì)劃（Planning）
• 檢索與回答（Retrieving & Answering）
• 重新計(jì)劃（Re-planning）。

其中：

• 在計(jì)劃步驟中(紅色區(qū)域)，LLM將<Q,S,R>作為輸入，然后生成用于數(shù)據(jù)分析的初始計(jì)劃。 初始計(jì)劃描述了一系列數(shù)據(jù)分析，這些分析對(duì)于決策是必要的，因此需要在檢索步驟中執(zhí)行。
• 在檢索與回答步驟中，LM根據(jù)初始計(jì)劃生成數(shù)據(jù)分析查詢，通過(guò)SQL或Cypher查詢語(yǔ)言執(zhí)行這些查詢，查詢結(jié)果被迭代地用于推理是否需要重新計(jì)劃或只是進(jìn)一步檢索以更好地進(jìn)行決策。 通過(guò)向計(jì)劃過(guò)程的反向鏈接，計(jì)劃和檢索過(guò)程被迭代地執(zhí)行，直到LLM確定不再需要進(jìn)一步分析來(lái)做出決策。
• 在重新計(jì)劃步驟中，如果初始計(jì)劃不足以解決問(wèn)題，LM將生成新的計(jì)劃以進(jìn)行進(jìn)一步分析或糾正先前分析的方向。為了使LLM能夠決定是否重新計(jì)劃，提示LLM使用一些指令來(lái)評(píng)估當(dāng)前計(jì)劃，語(yǔ)言模型 (LM) 不僅將<Q,S,R>作為輸入，還將當(dāng)前計(jì)劃和查詢結(jié)果作為輸入，并生成一個(gè)新計(jì)劃以進(jìn)行進(jìn)一步分析，或糾正先前分析的方向。

重新規(guī)劃的案例分為三類：

1. 增加：表示與原始計(jì)劃相比，重新規(guī)劃后步驟數(shù)量增加
2. 相同：表示步驟數(shù)量與原始計(jì)劃的步驟數(shù)量相同
3. 減少：表示重新規(guī)劃后步驟數(shù)量減少。

每類進(jìn)一步細(xì)分為以下子類：

• 重新排序 包括對(duì)步驟序列進(jìn)行排列的案例。
• 替換 包括用新的步驟替換某些步驟的案例。
• 更改目標(biāo) 包括更改操作目標(biāo)（例如查找或計(jì)算）的案例。
• 添加查找 包括向原始計(jì)劃添加新的查找操作的案例。
• 添加計(jì)算 包括向原始計(jì)劃添加新的計(jì)算操作的案例。
• 添加兩種操作 包括通過(guò)單個(gè)重新規(guī)劃過(guò)程向原始計(jì)劃同時(shí)添加查找和計(jì)算操作的案例。
• 分解為子步驟 包括將原始計(jì)劃中的單個(gè)步驟分解為更詳細(xì)的動(dòng)作從而細(xì)分為子步驟的情況。
• 刪除 包括從原始計(jì)劃中刪除某些步驟的情況。
• 合并 包括將某些步驟總結(jié)或合并為單個(gè)步驟的情況。

??https://arxiv.org/pdf/2406.12430??

??https://github.com/myeon9h/PlanRAG/tree/master??

本文轉(zhuǎn)載自?? CourseAI??，作者： CourseAI