Melebihi AutoGPT secara menyeluruh, Wall-Facing Intelligence bekerjasama dengan model besar sumber terbuka Makmal NLP Tsinghua "Superhero" XAgent

Baru-baru ini, syarikat model skala besar kecerdasan buatan domestik terkemuka kecerdasan menghadap dinding telah membuat satu lagi langkah besar, dan bersama-sama membangunkan dan melancarkannya dengan Tsinghua Makmal NLP Universiti Model besar "Superhero"——XAgent.

Melalui ujian tugasan, keupayaan pemprosesan XAgent dalam tugasan kompleks sebenar telah melepasi AutoGPT sepenuhnya.

#🎜GP🎜#XAgentT sepenuhnya mengatasi tugasan kompleks Auto #XAgent 🎜🎜#

• kini secara rasmi sumber terbuka di GitHub, alamatnya ialah https://github.com/OpenBMB/XAgent# 🎜🎜 #
Alamat paparan kes: https://x-agent.net/
• #🎜🎜🎜 🎜🎜 # Alamat blog: https://blog.x-agent.net
• XAgent Apa jenis " orang" adakah itu? #

#🎜🎜🎜##🎜🎜🎜##🎜🎜 🎜#XAgent ialah ejen AI baharu yang boleh menyelesaikan tugas yang kompleks secara autonomi Dengan LLM sebagai teras, ia boleh memahami arahan manusia, merumuskan rancangan yang kompleks dan mengambil tindakan secara autonomi.

Agen tradisional biasanya dihadkan oleh peraturan tersuai manusia dan hanya boleh menyelesaikan masalah dalam julat terhad. Mereka lebih seperti "alat" untuk kegunaan manusia, dan bukannya "agen autonomi" sebenar, dan sukar untuk menyelesaikan masalah kompleks secara autonomi.

Sebaliknya, XAgent diberi keupayaan untuk perancangan dan pembuatan keputusan berautonomi

, membolehkannya beroperasi secara bebas dan menemui strategi dan penyelesaian baharu , tidak terikat dengan prasangka manusia.

Keupayaannya telah melepasi AutoGPT sepenuhnya, menunjukkan autonomi yang menakjubkan dan keupayaan menyelesaikan tugas yang kompleks dalam banyak tugas adegan, mendorong tahap kecerdasan ejen AI untuk Dibawa ke tahap baharu .

Kemudian persoalan datang lagi: bagaimana ia dilaksanakan?

Kerjasama "Otak kiri dan kanan", mekanisme kitaran berganda

Sama seperti otak manusia mempunyai "kiri " dan " "Otak kanan", apabila menangani tugas yang rumit, biasanya menganggapnya dari dua perspektif: "makro" dan "mikro".

Berbanding dengan AutoGPT, Wall-Facing Intelligence dan Universiti Tsinghua secara inovatif memperkenalkan mekanisme " #🎜Double ":

Gelung luar#🎜🎜 bertanggungjawab untuk tugas global dan menguraikan tugas yang kompleks kepada tugas yang mudah dan boleh dikendalikan.

• Gelung dalaman#🎜🎜🎜 exercise: bertanggungjawab untuk tugasan setempat secara terperinci.
• Melalui kerjasama mekanisme gelung berganda, XAgent bagaikan "superhero" dalam bidang model besar dengan pelbagai aspek tugas yang kompleks. Super profesionalisme dan kemahiran yang kaya. Sama seperti "Captain America" ​​​​dalam alam Marvel, XAgent mempunyai kedua-dua kepimpinan keseluruhan dan pelaksanaan yang teliti.
Dalam gelung luar, XAgent menunjukkan kepimpinan sebagai

"PlanAgent

", yang membahagikan tugas kompleks kepada beberapa tugas mudah dan menyelia proses penyelesaian masalah yang lengkap.

Pertama, ia memecahkan tugas kompleks yang diberikan kepada "subtugas" yang lebih kecil dan lebih mudah diurus untuk menjana "Pelan Permulaan ” untuk membentuk urutan tugas.

Selepas itu, ia akan menghantar setiap sub-tugas ke gelung dalaman untuk penyelesaian satu demi satu. Semasa proses ini, gelung luar akan terus memantau kemajuan dan status tugasan, dan menjalankan "pengoptimuman berulang" pada rancangan seterusnya berdasarkan maklum balas.

Dalam gelung dalaman, XAgent cepat menukar identitinya, menunjukkan profesionalismenya sebagai "pelaksana" (ToolAgent) yang cekap, Pastikan bahawa subtugas yang melalui gelung luar memenuhi jangkaan.

Bergantung pada sifat subtugas, ia boleh mendapatkan semula alatan daripada sistem luaran dan menyelesaikan subtugasan langkah demi langkah.

Selepas subtugas selesai, ia akan menjana gambaran proses pelaksanaan subtugas semasa dan menyuapnya kembali ke gelung luar, menunjukkan sama ada tugasan semasa selesai dan potensi titik pengoptimuman dalam pelaksanaan tugas.

Seperti yang ditunjukkan dalam rajah, pengguna menyerahkan fail iris.zip kepada XAgent untuk XAgent untuk menganalisis data.

Ada anda dapat melihat, Xagent pertama menguraikan tugas ini ke dalam 4 subtask melalui gelung luar:

1. Check dan fahami data; Sama ada perpustakaan analisis data wujud;
2. Tulis kod analisis data untuk memproses dan menganalisis data
3. Tulis laporan analisis berdasarkan hasil pelaksanaan kod python.
4. Selepas itu, apabila melaksanakan setiap sub-tugas, XAgent mahir menggunakan membaca dan menulis fail, arahan shell, buku nota ular sawa dan panda yang sepadan, sci-kit belajar, seaborn, matplotlib dan perpustakaan analisis data lain melalui gelung dalaman, dan malah Melakukan analisis visual data.

Semasa melaksanakan tugas yang sama, AutoGPT tidak membuat rancangan untuk menyemak persekitaran ular sawa dan perpustakaan yang berkaitan, tetapi secara langsung mula menulis kod untuk pelaksanaan kegagalan dan ralat, mengakibatkan laporan menggunakan perpustakaan yang berkaitan dan analisis data yang canggih juga telah diselesaikan.

Kolaborasi manusia-komputer: paradigma baharu interaksi ejen

Walaupun AutoGPT telah menembusi batasan model GPT tradisional pada tahap tertentu, ia masih mempunyai fenomena ralat pelaksanaan seperti gelung tak terhingga dan tidak betul panggilan, yang memerlukan campur tangan manual boleh diselesaikan.

XAgent telah mempertimbangkan isu yang berkaitan dari awal reka bentuknya dan memperkenalkan mekanisme interaksi yang direka khusus untuk meningkatkan kerjasama manusia-mesin: ia boleh berinteraksi dengan pengguna secara autonomi dan mengeluarkan permintaan untuk campur tangan dan bimbingan daripada manusia.

Untuk ejen pintar, "sama ada ia boleh bekerjasama dengan manusia

" juga merupakan penunjuk penting yang mencerminkan kecerdasannya.

Pertama sekali, XAgent mempunyai antara muka intuitif

yang membolehkan pengguna secara langsung mengatasi atau mengubah suai cadangan yang dibuatnya, menggabungkan kecekapan AI dengan gerak hati dan kepakaran manusia secara berkesan.

Kedua, apabila berhadapan dengan cabaran yang tidak biasa, XAgent mempunyai keupayaan untuk "meminta bantuan daripada manusia". kesan terbaiknya.

Gambar

Paradigma interaksi ini secara organik mengintegrasikan autonomi AI dengan kebijaksanaan manusia, menunjukkan hubungan kerjasama baharu antara manusia dan XAgent.

Seperti yang ditunjukkan dalam gambar, pengguna mahu XAgent membantu mengesyorkan beberapa restoran yang lazat untuk berpesta dengan rakan-rakan, tetapi tiada maklumat khusus dan terperinci diberikan.

Pada masa ini, XAgent dapat menyedari bahawa maklumat yang diberikan oleh pengguna semasa tidak mencukupi untuk membuat cadangan, jadi ia membuat permintaan kepada manusia, bertanya lokasi pilihan pengguna, julat bajet, pilihan rasa, pantang larang, dll. , selepas mendapat pengesyoran pengguna Restoran yang disyorkan disediakan berdasarkan maklum balas.

Tetapi AutoGPT mula mencari maklumat restoran di Internet untuk mendapatkan cadangan Keputusan akhir yang disyorkan berada di lokasi yang salah, tidak mengambil kira belanjawan pengguna dan tidak memenuhi keperluan pengguna.

Bahasa komunikasi yang cekap, panggilan alat super

Tidak kira mekanisme pengendalian "kitaran dwi" atau keupayaan interaktif "kerjasama manusia-mesin", dalam reka bentuk keseluruhan XAgent, Wallface Intelligence dan pasukan Universiti Tsinghua yang tertumpu mengenai ciri teras kecerdasan seperti kestabilan, kecekapan dan keselamatan.

Dan kaedah komunikasi berstruktur juga merupakan salah satu faktor penting dalam membina agen pintar yang kuat dan stabil.

XAgent menggunakan Panggilan Fungsi sebagai bahasa komunikasi dalamannya, yang mempunyai kelebihan dalam penstrukturan, penyeragaman dan penyatuan.

• Structured: Panggilan Fungsi mempunyai format yang jelas dan ketat yang menyatakan dengan jelas perkara yang diperlukan, sekali gus meminimumkan kemungkinan ralat.
• Penstandardan: Panggilan Fungsi boleh menyeragamkan proses interaksi dengan alatan luaran, menyediakan bahasa yang sama dan membolehkan ejen mempunyai keupayaan untuk menggunakan dan menyepadukan berbilang alatan untuk menyelesaikan tugas yang rumit.
• Penyatuan: Dengan menukar semua pautan seperti ringkasan maklumat, perancangan tugas, pelaksanaan alat, dsb. ke dalam borang Panggilan Fungsi tertentu, memastikan setiap pautan diproses dalam cara yang bersatu, dengan itu memudahkan reka bentuk sistem.

Selain itu, invokasi alat juga merupakan salah satu kebolehan penting untuk menilai sama ada Ejen AI mempunyai keupayaan untuk menyelesaikan masalah yang kompleks.

XAgent mempunyai enjin pelaksanaan alat asli ToolServer dalam reka bentuknya, yang boleh mencapai keupayaan pelaksanaan alat yang lebih selamat, cekap dan berskala.

Ia berjalan dalam persekitaran Docker terpencil, memastikan pelaksanaan alat tidak menjejaskan kestabilan atau keselamatan sistem utama.

Reka bentuk ini membawa pelbagai faedah:

• Keselamatan: Menjalankan alatan di dalam bekas Docker melindungi sistem utama daripada kemungkinan bahaya.
• Cekap: Sistem boleh memulakan, menghentikan dan memulakan semula nod berdasarkan permintaan dan corak penggunaan untuk mencapai penggunaan sumber yang optimum.
• Diperluaskan: Pengurusan kod, nyahpepijat dan kebolehskalaan yang mudah.

Komponen utama ToolServer termasuk: ToolServerNode, ToolServerMonitor dan ToolServerManager, yang menyediakan keupayaan berkuasa dalam operasi pelaksanaan, pemeriksaan nod, pengurusan kitaran, dsb.

Pada masa ini, ToolSever XAgent menyokong FileSystemEnv, PythonNotoBook, WebEnv, ExecuteShell, RapidAPIEnv, AskHumanforHelp dan alatan lain.

XAgent bukan sahaja boleh membantu kami melakukan beberapa tugas mudah, malah ia boleh membantu kami melatih model.

Sebagai contoh, pengguna berharap dapat menganalisis ulasan filem dan menentukan kualiti penilaian orang ramai terhadap filem tersebut. Pada masa ini, XAgent akan mula-mula memuat turun set data imdb untuk melatih model BERT, dan menggunakan model BERT terlatih untuk meramal ulasan filem.

release Potensi model besar dan melepasi ujian autogpt

selepas satu siri tugas, ia dapat dilihat (seperti yang ditunjukkan dalam angka A dan B di bawah), berdasarkan prestasi XAgent GPT-4 melebihi prestasi GPT-4 asal dalam semua ujian penanda aras dan mengatasi AutoGPT dalam semua aspek.

Tugas ini memerlukan perancangan penaakulan Ejen dan keupayaan untuk menggunakan alat luaran, termasuk: keupayaan untuk menjawab soalan dengan enjin carian (FreshQA+HotpotQA), keupayaan pengaturcaraan Python (MBPP), keupayaan penaakulan matematik (MATH) dan interaktif keupayaan pengaturcaraan (InterCode), keupayaan penaakulan yang terkandung (ALFWorld), tugas kompleks sebenar, dll.

Rajah a: XAgent mengatasi AutoGPT sepenuhnya dalam pemprosesan tugas yang kompleks sebenar

Rajah b: Ia mengatasi AutoGPTXAgent dan mendahului GPT-4 dalam enam ujian penanda aras Ejen AI utama

Ia boleh dilihat

Reka bentuk sistem boleh mengeluarkan sepenuhnya keupayaan asas GPT-4 dan mencapai keputusan ujian yang sangat tinggi dan keutamaan manusia (Keutamaan Manusia).

Ini bukan sahaja menunjukkan bahawa XAgent berprestasi baik dalam ujian AI tradisional yang memerlukan perancangan inferens, tetapi juga mempunyai prestasi yang lebih tinggi apabila memproses arahan sebenar yang kompleks

memperluaskan sempadan aplikasi dan asas teknikal yang kukuh

AI Emergence of Big Model telah membolehkan seluruh industri melihat hala tuju pelaksanaan penting teknologi model besar, yang dapat merealisasikan pelaksanaan tugas set lengkap aliran kerja tanpa memerlukan penerokaan segera yang kompleks.

Sebagai "superhero" model besar dengan potensi tanpa had, XAgent boleh menjadi "pembantu peribadi" untuk setiap orang biasa. Ia boleh membantu kami merancang jadual kami, mengatur jadual perjalanan dan mengurus peruntukan masa dan sumber dalam kehidupan dan kerja.

Ia juga boleh secara bebas menggunakan pelbagai alat pengumpulan, pemprosesan dan analisis data untuk menganalisis data secara automatik sepenuhnya dan membentuk laporan untuk membantu pengguna mendapatkan maklumat penting dengan cekap.

Selain itu, XAgent juga boleh menggabungkan alat luaran dengan algoritma perancangan autonomi untuk membuat keputusan berdasarkan maklumat alam sekitar untuk mencapai pelaksanaan tugas yang lebih cekap dan tepat.

Pasukan R&D XAgent dibentuk oleh beberapa pakar dan sarjana dalam bidang model besar dari Wall-Facing Intelligence dan Makmal THUNLP Universiti Tsinghua. Mereka lebih seperti "wira-wira" model besar.

Sebab pencapaian inovatif ini dapat dilancarkan dengan jayanya adalah kerana pasukan telah membina satu siri model besar inovatif termaju Infra semasa kerja penyelidikan saintifik jangka panjang, mengukuhkan asas teknikal dan memperluaskan sempadan inovasi dan R&D.

Wallface Intelligence bekerjasama dengan Makmal NLP Universiti Tsinghua dan komuniti sumber terbuka OpenBMB untuk mencipta reka letak ekologi industri-universiti-penyelidikan model besar "Trinity", dan mencadangkan serta mengeluarkan beberapa rangka kerja dan enjin penggunaan alat model besar:

• Pembelajaran Alat: Paradigma pembelajaran alat model besar menyepadukan kelebihan alatan profesional dengan model besar untuk mencapai ketepatan, kecekapan dan autonomi yang lebih tinggi dalam penyelesaian masalah.
• BMTools: Enjin pembelajaran model besar ialah gudang sumber terbuka yang membolehkan model bahasa menggunakan alat sambungan Ia juga merupakan platform alat perkongsian dan pembinaan komuniti sumber terbuka.
• ToolLLM, rangka kerja pembelajaran alat model yang besar, menghubungkan model besar kepada 16,000+ API sebenar, membolehkan model besar menyelesaikan tugas arahan pengguna yang lebih kompleks dengan memanggil alatan luaran.
• WebCPM, rangka kerja model pertama dalam bidang Cina yang menyokong carian dalam talian, mengisi jurang dalam bidang model besar domestik, membenarkan model besar mencari jawapan di halaman web dalam masa nyata seperti manusia, meningkatkan real- prestasi masa dan ketepatan AIGC.

XAgent memperluaskan had atas keupayaan ejen AI untuk melaksanakan tugas yang kompleks, membolehkan kami melihat trend terkini dan potensi tanpa had untuk menyepadukan teknologi model besar ke dalam pengeluaran dan kehidupan.

Atas ialah kandungan terperinci Melebihi AutoGPT secara menyeluruh, Wall-Facing Intelligence bekerjasama dengan model besar sumber terbuka Makmal NLP Tsinghua "Superhero" XAgent. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!