«`html
SELFGOAL: Фреймворк искусственного интеллекта для улучшения возможностей агентов на основе LLM достижения высокоуровневых целей
Большие языковые модели (LLM) позволили создавать автономных языковых агентов, способных решать сложные задачи в динамических средах без специальной тренировки. Однако данные агенты часто сталкиваются с вызовами при выполнении широких, высокоуровневых целей из-за их неоднозначной природы и отсроченных наград. Непрактичность частой переобучения модели для адаптации к новым целям и задачам дополнительно усложняет ситуацию. Текущие подходы сосредоточены на двух типах вспомогательного руководства: разложении предыдущей задачи и суммировании опыта постфактум. Однако у этих методов есть ограничения, такие как отсутствие эмпирического обоснования или сложность в эффективном приоритизации стратегий. Основная задача заключается в обеспечении возможности автономных языковых агентов достижения высокоуровневых целей без обучения при одновременном преодолении этих ограничений.
Предлагаемые практические решения:
Исследователи из Университета Фудань и Allen Institute for AI предлагают SELFGOAL — самоадаптирующийся фреймворк для языковых агентов, который использует как предварительные знания, так и обратную связь из среды для достижения высокоуровневых целей. Основная идея заключается в построении дерева текстовых подцелей, где агенты выбирают подходящие в качестве руководства на основе текущей ситуации.
SELFGOAL содержит два основных модуля для работы с GOALTREE: Модуль поиска, который выбирает наиболее подходящие узлы целей, и Модуль разложения, который разбивает узлы целей на более конкретные подцели.
SELFGOAL использует непараметрический подход к обучению языковых агентов для достижения высокоуровневых целей. Фреймворк взаимодействует с окружением через три ключевых модуля: Поиск, Разложение и Действие.
SELFGOAL значительно превосходит базовые фреймворки в различных средах с высокоуровневыми целями, показывая большие улучшения с использованием больших LLM. В конкурентных сценариях, таких как аукционные состязания, SELFGOAL демонстрирует явное преимущество перед базовыми методами, используя более стратегические поведенческие модели, приводящие к лучшим результатам.
В исследовании предложен SELFGOAL, который значительно улучшает возможности LLM в достижении высокоуровневых целей. Метод доказывает свою эффективность в конкурентных и кооперативных сценариях, превосходя базовые подходы. Последовательное обновление GOALTREE позволяет агентам навигировать по сложным средам с большей точностью и адаптивностью.
Следите за нашими новостями в Телеграм-канале t.me/itinainews и на Twitter @itinairu45358. Присоединяйтесь к нам на https://t.me/itinai, чтобы узнать больше о внедрении ИИ в ваш бизнес.
«`
