Preview

Труды Института системного программирования РАН

Расширенный поиск

Комбинирование логических рассуждений и LLM на пути к созданию мультиагентных систем умного дома

https://doi.org/10.15514/ISPRAS-2025-37(4)-28

Аннотация

Стремительное развитие технологий искусственного интеллекта, в частности больших языковых моделей (LLM), вызвало интерес к их интеграции в мультиагентные системы (МАС). Это открывает широкие перспективы в том числе для приложений умного дома, где они могут значительно улучшить пользовательский опыт за счет комфорта, энергоэффективности и безопасности. Несмотря на потенциальные преимущества, реализация МАС на основе LLM сталкивается с рядом проблем, включая риск возникновения галлюцинаций, проблемы масштабируемости и опасения по поводу надежности этих систем в реальных приложениях. В данном исследовании рассматривается разработка МАС, включающих LLM, с акцентом на уменьшение галлюцинаций путем интеграции формальных логических моделей для представления знаний и принятия решений, а также методов машинного обучения. Чтобы продемонстрировать эффективность этого подхода, были проведены эксперименты с симуляцией системы ухода за растениями в контексте умного дома. Результаты показали, что наш подход позволяет значительно уменьшить количество галлюцинаций и повысить общую надежность системы. Дальнейшие исследования будут направлены на доработку этих методов с целью повышения адаптивности и масштабируемости для обеспечения функциональности системы в реальных условиях.

Об авторах

Людмила Александровна РЕЗУНИК
НИУ Высшая школа экономики
Россия

Магистр программной инженерии, НИУ ВШЭ. Сфера научных интересов: разработка мобильных приложений, мультиагентные системы, большие языковые модели LLM, архитектура программного обеспечения.



Михаил Алексеевич ПРОЗОРСКИЙ
НИУ Высшая школа экономики
Россия

Студент НИУ ВШЭ, стажер-исследователь научно-учебной лаборатории облачных и мобильных технологий НИУ ВШЭ. Сфера научных интересов: разработка мобильных приложений, системы умного дома, архитектура программного обеспечения.



Дмитрий Владимирович АЛЕКСАНДРОВ
НИУ Высшая школа экономики
Россия

Доктор технических наук, профессор, заведующий научно-учебной лаборатории облачных и мобильных технологий НИУ ВШЭ. Сфера научных интересов: методы и технологии искусственного интеллекта, разработка мобильных приложений, разработка программного обеспечения, инженерия знаний.



Список литературы

1. Janbi N., Katib I., Mehmood R. Distributed artificial intelligence: Taxonomy, review, framework, and reference architecture. Intelligent Systems with Applications, vol. 18, 2023, p. 200231. DOI: 10.1016/j.iswa.2023.200231.

2. Guo T., Chen X., Wang Y., Chang R., Pei S., Chawla N.V., Wiest O., Zhang X.N. Large language model based multi-agents: A survey of progress and challenges. arXiv preprint, 2024. DOI: 10.24963/ijcai.2024/890.

3. Christman J., Mele A.R. Autonomous agents: From self-control to autonomy. The Journal of Philosophy, vol. 96, no. 2, 1999, pp. 95–100. DOI: 10.2307/2564674.

4. Wei J., Wang X., Schuurmans D., Bosma M., Ichter B., Xia F., Chi E., Le Q.V., Zhou D. Chain-of-thought prompting elicits reasoning in large language models. arXiv preprint, vol. arXiv:2201.11903, 2023. Available at: https://arxiv.org/abs/2201.11903.

5. Wang H., Du X., Yu W., Chen Q., Zhu K., Chu Z., Yan L., Guan Y. Learning to break: Knowledge-enhanced reasoning in multi-agent debate system. Neurocomputing, vol. 618, 2025, p. 129063. Available at: https://www.sciencedirect.com/science/article/pii/S0925231224018344.

6. Jiang Y.-H., Li R., Zhou Y., Qi C., Hu H., Wei et al. AI agent for education: von Neumann multi-agent system framework. In Proc. of the 28th Global Chinese Conference on Computers in Education, 2024.

7. Nezhurina M., Cipolina-Kun L., Cherti M., Jitsev J. Alice in Wonderland: Simple tasks showing complete reasoning breakdown in state-of-the-art large language models. arXiv preprint, vol. arXiv:2406.02061, 2024. Available at: https://arxiv.org/abs/2406.02061.

8. Zeng Y., Rajasekharan A., Basu K., Wang H., Arias J., Gupta G. A reliable common-sense reasoning socialbot built using LLMs and goal-directed ASP. Theory and Practice of Logic Programming, vol. 24, no. 4, 2024. DOI: 10.1017/S147106842400022X.

9. OpenAI. GPT-4 Technical Report. arXiv preprint, vol. arXiv:2303.08774, 2024. Available at: https://arxiv.org/abs/2303.08774.

10. Wang Z., Liu J., Bao Q., Rong H., Zhang J. ChatLogic: Integrating logic programming with large language models for multi-step reasoning. arXiv preprint, vol. arXiv:2407.10162, 2024. Available at: https://arxiv.org/abs/2407.10162.

11. Lewis P.S.H., Perez E., Piktus A., Petroni F., Karpukhin V., Goyal N., Kuttler H., Lewis M., Yih W.-T., Rocktäschel T., Riedel S., Kiela D. Retrieval-augmented generation for knowledge-intensive NLP tasks. arXiv preprint, vol. arXiv:2005.11401, 2020. Available at: https://arxiv.org/abs/2005.11401.

12. Chen J., Hu P., Jiménez-Ruiz E., Holter O.M., Antonyrajah D., Horrocks I. OWL2Vec*: Embedding of OWL ontologies. arXiv preprint, vol. arXiv:2009.14654, 2020. Available at: https://arxiv.org/abs/2009.14654.

13. Modgil S., Fox J. A guardian agent approach to safety in medical multi-agent systems. In Safety and Security in Multiagent Systems, 2009.

14. Nimis J., Lockemann P.C. Robust multi-agent systems: The transactional conversation approach? 2004.

15. Cabalar P., Fabiano F., Gebser M., Gupta G., Swift T. Proceedings of the 40th International Conference on Logic Programming (ICLP 2024). In Electronic Proceedings in Theoretical Computer Science (EPTCS), University of Texas at Dallas, Dallas, TX, USA, Oct. 2024, pp. 69–77.

16. Lifschitz V. What is Answer Set Programming? In Proceedings of the National Conference on Artificial Intelligence, vol. 3, 2008, pp. 1594–1597.

17. Lin X., Wu Y.-C., Yang H., Zhang Y., Zhang Y., Ji J. CLMASP: Coupling large language models with answer set programming for robotic task planning. arXiv preprint, vol. arXiv:2406.03367, 2024. Available at: https://arxiv.org/abs/2406.03367.

18. Yang Z., Ishay A., Lee J. Coupling large language models with logic programming for robust and general reasoning from text. arXiv preprint, vol. arXiv:2307.07696, 2023. Available at: https://arxiv.org/abs/2307.07696.


Рецензия

Для цитирования:


РЕЗУНИК Л.А., ПРОЗОРСКИЙ М.А., АЛЕКСАНДРОВ Д.В. Комбинирование логических рассуждений и LLM на пути к созданию мультиагентных систем умного дома. Труды Института системного программирования РАН. 2025;37(4):219-234. https://doi.org/10.15514/ISPRAS-2025-37(4)-28

For citation:


REZUNIK L.A., PROZORSKIY M.A., ALEXANDROV – D.V. Combining Logical Reasoning and LLMs Toward Creating Multi-Agent Smart Home Systems. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2025;37(4):219-234. https://doi.org/10.15514/ISPRAS-2025-37(4)-28



Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2079-8156 (Print)
ISSN 2220-6426 (Online)