AutoGPT は信頼性が低いため、Microsoft がアップグレード版を発売します。編集可能な自律計画プロセス

Xi Xiaoyao Technology Talks Original
著者 | iven

##インターネット上で人気の AutoGPT[1]^{Github のコレクション数が 100,000 を超えました。この自己計画および自己実行エージェントは、人工知能モデル内の自己調整と最適化に初めて焦点を当てています。}

しかし、多くのネチズンは、AutoGPT のパフォーマンスが不安定であり、無限ループが最も一般的な現象であることに気付きました。さらに、AutoGPT の実行速度は非常に遅く、ネチズンによるテストによると、タスクの完了に New Bing では 8 秒かかるのに対し、AutoGPT では 8 分もかかりました。

AutoGPT の仕組み上、1 つのタスクに対して API を何度も呼び出す必要があり、1 つのタスクのコストは 100 元を超える計算になります。明らかに、そのようなコストは個人使用には高価です。

Microsoft Research の最近の新しい研究では、簡単な視覚操作によるドラッグ アンド ドロップを通じてエージェントと共同作業できるローコード LLM が提案されています。

このモードでは、最初に GPT がタスク フローチャートを生成できるようにします。これは AutoGPT の自己計画および自己実行ロジックとよく似ていますが、異なります。はい、ユーザーは実行プロセス全体を直感的かつ簡単に理解して変更できるため、人工知能の動作を効果的に制御できます。

ビジュアルプログラミングの概念を採用しており、ユーザーは簡単なクリックとドラッグでプロセスを調整できるため、「ローコード」と呼ばれます。複雑なタスクの場合、ユーザーは独自のアイデアや好みに応じてエージェントを効果的に制御できます。

ローコード LLM は 1 回の会話でフローチャートを生成し、API 呼び出しのコストは基本的に無視できます。さらに、このフローチャートの 1 回生成により、AutoGPT の無限ループの問題も回避されます。サービスがより安定します！

作者は、この作品が Microsoft

TaskMatrix.ai[2] ^{のリポジトリに置かれていることを発見しました。このリポジトリは 30,000 スターを超えています。} Visual ChatGPT[3] ^{も同じチームのメンバーです。 TaskMatrix.AI は、基礎モデルとさまざまな分野の多数の API を接続してタスク自動化を実装する方法を示します (Visual ChatGPT はビジュアル分野の典型的な例です)。新しくリリースされたローコード LLM は、ユーザーとの対話において役割を果たすことができ、ユーザーが AI にユーザーのやりたいことをよりよく理解させるのに役立ちます。}

論文アドレス: https://www.php.cn/link/de9240f5c623bf031dcf0fca9770db44

論文タイトル: "ローコード LLM: LLM を介したビジュアル プログラミング。"

オープン ソース コード:https://www.php.cn/link/141aa4fef48df77f954d60a373a3c322

ワークフロー

Planning LLM は、AutoGPT に似た、複雑なタスクの構造化されたフローチャートを生成します。ユーザーが指定した目標に応じて自己計画を立てる
1. ユーザーは、定義されたローコードの視覚操作 (クリック、ドラッグ、テキスト編集など) を通じてフローチャートを変更し、好みや意見を伝えます。 LLMへ
2. LLMを実行すると、ユーザーが変更したワークフローに従ってコマンドが実行され、回答が生成されます
3. ユーザーは現在の回答を参照し、満足のいく結果が得られるまでフローチャートを継続的に変更できます

事前定義された 6 種類のローコード操作

このモードの利点は次のとおりです:

1. より制御可能な生成結果: ユーザーは人工知能の実行ロジックを直接理解して制御できるため、結果の予測と制御が容易になり、ユーザーのニーズに沿ったものになります;
2. ユーザーフレンドリーインタラクション インターフェイス: ユーザーは実行プロセスを直観的に確認でき、クリック アンド ドラッグ方式により操作がより便利になり、作業効率が向上します;
3. 幅広い応用シナリオ: この方法は、多くの分野、特にユーザー この記事では、あなたの考えや好みが重要となる 4 つの典型的なケースを提案しています。

さらに、ローコード LLM を外部 API で拡張して、シナリオ アプリケーションをさらに充実させることもできます。たとえば、ユーザーのアイデアや好みを効率的に伝え、ユーザーのタスクの自動化を支援します。他のツールと連携すると、ビジョンや音声などさまざまな機能を統合できます。

AutoGPT とローコード LLM はどちらも、人工知能モデルのパフォーマンスと効果を向上させるために熱心に取り組んでいます。前者はモデル内の自己最適化と学習に重点を置き、後者はモデル間のコラボレーションと相互作用に重点を置いています。ユーザーもモデルも。これら 2 つの方法は相互に補完し、さまざまなシナリオやタスクでより優れたパフォーマンスを実現できます。

論文の謝辞セクションでは、この記事の一部がこの協力モデルを通じて生成されたことにも言及されており、将来的には、人々と大規模なモデルが緊密に連携して、作成する。

以上がAutoGPT は信頼性が低いため、Microsoft がアップグレード版を発売します。編集可能な自律計画プロセスの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。