你的位置:九游app官网下载 > 城市规划 >


在试验中使用 LLM 处治复杂问题时九游app

发布日期:2024-06-28 03:49    点击次数:86


近期,好意思国卡内基梅隆大学团队与、微软和好意思国波士顿大学的征询东说念主员协作,为多功能智能体(Agent)冷漠了一种归并的、直不雅的妄语语模子(LLM,Large Language Model)辅导框架九游app,名为 AgentKit。

这个框架允许用户用天然话语描画复杂的想维过程,从而创建多功能 AI 智能体。

当今,游戏上的许多 LLM Agent 都是通过非凡的游戏设施接口与游戏进行对接。这种假想不但需要无数的设施例子看成辅导,并且需要游戏接口维持,泛化难度相比高。

与之对比的是,该课题组通过 AgentKit 假想出一种基于天然话语的新想路,无意兑现相同强盛的功能。

由于天然话语简化了交互形势,AgentKit 更易懂且具有更好的通用性。更垂危的是,这种门径不错大大减少用户的编程需求,以致不错让莫得编程教育的用户也能创造出功能强盛的智能体。

据先容,AgentKit 的潜在运用包括以下两个方面:

一方面,AgentKit 有望看成智能助手匡助用户订机票、购物等;另一方面,AgentKit 也不错看成更智能的游戏 AI,与用户交互并完成/创造复杂、兴趣的任务。

日前,关连论文以《AgentKit:使用图形器用进行过程工程,无需编码》(AgentKit: Flow Engineering with Graphs, not Coding)为题,发表在预印本网站 arXiv 上[1]。

卡内基梅隆大学博士征询生吴岳是第一作家兼通信作家。

图丨关连论文(开首:arXiv)

如前文所说,刻下,许多辅导框架主要侧重于封装和集成现存功能与器用,而非匡助用户通过辅导工程和过程假想,来优化 LLM 的推感性能。

然则,在试验中使用 LLM 处治复杂问题时,LLM 系统自己的推明智力,踏实性和泛化性,才是决定顺利的要害。

东说念主类在处治关连问题时,常常会使用一些特定的想维形势或者模板,举例“化整为零”或者“从局部到合座”的想维形势。

AgentKit 旨在让使用者通过图的结构来抒发雷同的想维形势,从而兑现更可控、更踏实的辅导工程/过程工程。

图丨用户将撰写论文的任务拆分为构想、大纲、全文等子任务构成的“想维过程”,并为每个子任务(节点)创建辅导词。AgentKit 中的子任务(节点)不错以不同的形势进行假想和拼装,以兑现雷同于乐高积木的多功能(开首:arXiv)

与搭建乐高积木雷同,AgentKit 不错让用户以这么的形势创建智能体。用户不错用毛糙的平淡话语描画小任务,这些小任务就像乐高积木一样成为基本构件。

然后,用户还无意通过图的形势把它们组合在一皆。这种门径让复杂的智能设施变得更容易协调解创建。就像用积木搭建复杂的模子一样,这种“想维过程图”的假想不错很天然地抒发复杂的智能体。

要是用户想推论撰写论文任务,那么,可从笃定“中枢信息和此前的征询差距”等想维过程初始。

图丨AgentKit 中的每个节点从其依赖项中接纳输出,并输出一个字符串来完成预界说的子任务。橙色组件是可选的,并不错通过 AgentKit 运用设施编程接口通过最少的编程进一步定制(开首:arXiv)

凭证论文描画,“以不同的形势假想和组合 AgentKit 中的节点,来兑现即时期层贪图、反想和从交互中学习等多种高等功能”。

另一方面,基于 AgentKit 模块化的特质,用户不错通过天然话语列表创造毛糙的智能体。因此,即便莫得任何干联编程教育的用户,也无意浮浅地进行假想和休养。

征询东说念主员的实验数据标明,通过 AgentKit 假想的 Agent 在 WebShop 和 Crafter 上兑现了 SOTA 性能。

这标明,AgentKit 可使 LLM Agent 有用,并在更无为的运用设施方面具有运用的可能性。

图丨吴岳(开首:吴岳)

从 2021 年吴岳来到卡内基梅隆大学机器学习专科攻读博士学位初始,就启动了对 LLM Agent 名主义探索,并与学校的多位导师保合手积极疏导。

天然其时并不是扫数东说念主都足够看好这个征询标的,但与老诚们的对话极地面扩张了吴岳的视线和加深了对技巧的协调。

吴岳回忆说说念:“有一次,我为一位教育准备了详备的 PPT,先容了对于‘通过 LLM 读取常识,以加快强化学习熟练’的课题野心。天然这位教育对该课题的实用价值合手严慎作风,但他也同期冷漠了顾惜的建议,荧惑我进一步丰富 LLM 的运用实例。”

跟着 OpenAI 等公司的 LLM 产物在极短时代内展现出强盛的后劲,LLM Agent 名目赶紧取得了无为的认同和维持,并逐渐发展为一个备受接待的征询名目。

“短短几年间,东说念主们对于 LLM 和 LLM Agent 的意见发生了雄壮的升沉,这是我在该征询过程中最大的叹惜。”吴岳暗示。

对于该技巧的异日发展,他坦言,准备将征询团队在 LLM Agent 的顺利教育用在和强化学习的相连,以探索一些更偏底层截止的任务,比如 Minecraft 或者 Atari。

天然该论文面前还莫得同业评审效能,但在 Github 上的许多用户都以为,征询东说念主员所提供的器用开采了许多新的可能[2]。

参考府上:

1.https://arxiv.org/pdf/2404.11483.pdf

2.https://github.com/Holmeswww/AgentKit

运营/排版:何晨龙

01/ 为30年待解之谜画上句号:科学家用哈伯德模子征询铜氧化物超导性,助力揭示高温超导实质

02/ 让光化学分析再进一阶:科学家研发“纤上实验室”,能解码传感器的物理事件和化学事件

03/ 补皆三维测力临了一张拼图:北航团队研发超分袂光子力显微镜,打破水溶液亚飞牛奢睿度

04/ 科学家制备新式非晶纳米片,能有用吸讴颂催化多硫,极大改善室温钠硫电板的电化学性能

05/ MIT团队揭晓雷特轮廓症新机制,成就全基因组表不雅遗传学图谱,关连神经元数据库已开源



    热点资讯

    相关资讯