Kertas AI Ini Memperkenalkan Ejen: Rangka Kerja Python Sumber Terbuka untuk Ejen Bahasa Autonomi

Dalam tugas seperti perkhidmatan pelanggan, perundingan, pengaturcaraan, penulisan, pengajaran, dll., ejen bahasa boleh mengurangkan usaha manusia dan merupakan langkah pertama yang berpotensi ke arah kecerdasan am buatan (AGI). Demonstrasi terbaru potensi ejen bahasa, termasuk AutoGPT dan BabyAGI, telah mencetuskan banyak perhatian daripada penyelidik, pembangun dan khalayak umum. 

Walaupun untuk pembangun atau penyelidik berpengalaman, kebanyakan demo atau repositori ini tidak kondusif untuk menyesuaikan, mengkonfigurasi dan menggunakan ejen baharu. Sekatan ini terhasil daripada fakta bahawa demonstrasi ini sering kali menjadi bukti konsep yang menonjolkan potensi agen bahasa dan bukannya rangka kerja yang lebih besar yang boleh digunakan untuk membangunkan dan menyesuaikan agen bahasa secara beransur-ansur. 

Tambahan pula, kajian menunjukkan bahawa majoriti sumber sumber terbuka ini hanya merangkumi peratusan kecil kebolehan ejen bahasa asas, seperti penguraian kerja, ingatan jangka panjang, navigasi web, penggunaan alat dan komunikasi berbilang ejen. Selain itu, kebanyakan (jika tidak semua) rangka kerja ejen bahasa yang sedang digunakan bergantung secara eksklusif pada huraian tugas ringkas dan sepenuhnya pada keupayaan LLM untuk merancang dan bertindak. Oleh kerana rawak dan konsistensi yang tinggi merentas larian yang berbeza, ejen bahasa sukar untuk diubah suai dan diubah suai, dan pengalaman pengguna adalah lemah.

Penyelidik dari AIWaves Inc., Universiti Zhejiang dan ETH Zürich mempersembahkan AGENTS, perpustakaan dan rangka kerja ejen bahasa sumber terbuka untuk menyokong ejen bahasa berkuasa LLM. Matlamat AGENT adalah untuk menjadikan penyesuaian, penalaan dan penggunaan ejen bahasa semudah mungkin—walaupun untuk bukan pakar—sementara masih boleh dikembangkan dengan mudah untuk pengaturcara dan penyelidik. Perpustakaan ini juga menawarkan keupayaan teras yang disenaraikan di bawah, yang digabungkan untuk menjadikannya platform yang fleksibel untuk ejen bahasa: 

Ingatan jangka pendek: AGEN menggabungkan komponen memori, membenarkan ejen bahasa mengemas kini memori kerja jangka pendek secara rutin dengan pad calar dan menyimpan serta mendapatkan semula memori jangka panjang menggunakan VectorDB dan carian semantik. Pengguna boleh memutuskan sama ada untuk memberi ejen memori jangka panjang, ingatan jangka pendek atau kedua-duanya dengan hanya mengisi medan dalam fail konfigurasi. 

Navigasi web dan penggunaan alatan: Keupayaan ejen autonomi untuk menggunakan alat luaran dan melayari internet adalah satu lagi ciri penting. AGENTS menyokong beberapa API luaran yang digunakan secara meluas dan menawarkan kelas abstrak yang memudahkan pengaturcara untuk menggabungkan alatan lain. Dengan mengklasifikasikan carian dan navigasi web sebagai API khusus, kami juga membolehkan ejen menyemak imbas internet dan mengumpul maklumat. 

Interaksi berbilang ejen: AGEN membenarkan sistem berbilang ejen yang boleh disesuaikan dan keupayaan ejen tunggal, yang mungkin berguna untuk aplikasi khusus seperti permainan, eksperimen sosial, pembangunan perisian, dll. Fungsi "penjadualan dinamik" dalam AGENTS ialah satu tambahan baharu untuk komunikasi berbilang ejen. Penjadualan dinamik membenarkan penubuhan ejen pengawal yang berfungsi sebagai "moderator" dan memilih ejen mana yang akan menjalankan tindakan seterusnya berdasarkan peranan mereka dan sejarah terkini dan bukannya menjadualkan pesanan untuk ejen bertindak dengan peraturan berkod keras. Kemungkinan wujud untuk komunikasi yang lebih fleksibel dan semula jadi antara beberapa ejen apabila menggunakan penjadualan dinamik. Dengan mentakrifkan peraturan pengawal dalam fail konfigurasi menggunakan bahasa biasa, pembangun boleh mengubah tingkah laku pengawal dengan cepat. 

Interaksi manusia-ejen disokong oleh AGEN dalam kedua-dua senario ejen tunggal dan berbilang ejen, membolehkan interaksi dan komunikasi antara satu atau lebih manusia dan ejen bahasa.

Kebolehkawalan: Menggunakan pelan simbolik, sering dikenali sebagai prosedur operasi standard (SOP), AGEN menawarkan paradigma revolusioner untuk membangunkan ejen yang boleh dikawal. SOP ialah graf dengan beberapa negeri yang menerangkan pelbagai keadaan yang mungkin dihadapi oleh ejen semasa menjalankan tugas dan peraturan untuk peralihan antara negeri. SOP dalam AGEN ialah koleksi arahan terperinci yang direkodkan dengan teliti yang menyatakan cara ejen atau kumpulan ejen harus menjalankan aktiviti atau prosedur tertentu. Ini serupa dengan SOP di dunia nyata. LLM boleh menghasilkan SOP yang boleh diubah oleh pengguna sambil memperibadikan dan memperhalusi ejen. Selepas penggunaan, ejen akan berfungsi mengikut arahan dan piawaian yang ditetapkan untuk setiap negeri dan menukar keadaan semasanya secara dinamik sebagai tindak balas kepada interaksi dengan dunia luar, orang atau ejen lain. Dengan kemunculan pelan simbolik, kini adalah mungkin untuk menyediakan kawalan terperinci ke atas tingkah laku ejen, meningkatkan kestabilan dan kebolehramalannya sambil memudahkan penalaan dan pengoptimuman ejen.

Pasukan berharap AGEN memudahkan penyelidik mengkaji ejen bahasa, pembangun untuk mencipta aplikasi menggunakan agen bahasa dan khalayak bukan teknikal untuk mencipta dan mengubah suai ejen bahasa yang unik. 

Semak kertas dan Github. Semua Kredit Untuk Penyelidikan Ini Ditujukan Kepada Penyelidik Projek Ini. Juga, jangan lupa untuk menyertai 30k+ ML SubReddit kami, 40k+ Komuniti Facebook, Saluran Discord, dan E-mel Surat Berita, tempat kami berkongsi berita penyelidikan AI terkini, projek AI yang hebat dan banyak lagi.

Jika anda menyukai kerja kami, anda akan menyukai surat berita kami..

The post Kertas AI Ini Memperkenalkan Ejen: Rangka Kerja Python Sumber Terbuka untuk Ejen Bahasa Autonomi appeared first on MarkTechPost.

Pautan sumber