在商業(yè)環(huán)境中，決策過程通常涉及數(shù)據(jù)分析，以選擇最合適的方案來實現(xiàn)特定目標。

• 例如，制藥公司Pfizer可能需要決定哪些工廠應該運營或停止，以及每個工廠應該雇傭多少員工，以最小化生產成本并保持準時交付。
• 這一過程通常分為三個步驟：制定分析計劃、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的目標是用LLM替代人類角色，實現(xiàn)整個決策過程的自動化。

PlanRAG 

決策問答（Decision QA）任務

決策問答任務要求模型，根據(jù)給定的決策問題Q、業(yè)務規(guī)則R和遵循模式S的結構化數(shù)據(jù)庫D，生成最佳決策dbest。

• Q包含用戶希望通過決策實現(xiàn)的目標
• R包含用于推理dbest的公式文本描述。
• 數(shù)據(jù)庫D可能是一個標記屬性圖（LPG）數(shù)據(jù)庫或關系數(shù)據(jù)庫（RDB）。
• 由于數(shù)據(jù)庫D通常太大，無法一次性輸入到LM中，因此假設LM通過提出數(shù)據(jù)分析查詢來檢索數(shù)據(jù)

決策流程

PlanRAG技術通過三個步驟來解決決策問答任務：

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

其中：

• 在計劃步驟中(紅色區(qū)域)，LLM將<Q,S,R>作為輸入，然后生成用于數(shù)據(jù)分析的初始計劃。 初始計劃描述了一系列數(shù)據(jù)分析，這些分析對于決策是必要的，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)初始計劃生成數(shù)據(jù)分析查詢，通過SQL或Cypher查詢語言執(zhí)行這些查詢，查詢結果被迭代地用于推理是否需要重新計劃或只是進一步檢索以更好地進行決策。 通過向計劃過程的反向鏈接，計劃和檢索過程被迭代地執(zhí)行，直到LLM確定不再需要進一步分析來做出決策。
• 在重新計劃步驟中，如果初始計劃不足以解決問題，LM將生成新的計劃以進行進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劃，提示LLM使用一些指令來評估當前計劃，語言模型 (LM) 不僅將<Q,S,R>作為輸入，還將當前計劃和查詢結果作為輸入，并生成一個新計劃以進行進一步分析，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。

每類進一步細分為以下子類：

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

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

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

本文轉載自?? CourseAI??，作者： CourseAI