搜尋
首頁科技週邊人工智慧OpenDevin出技術報告了,大模型Agent開發者必讀

熱門一般大模型 Agent 平台。

今年 3 月,「全球首位 AI 軟體工程師」Devin 引爆了 AI 圈。與先前 AI 程式設計助理不同的是,Devin 並非只是輔助程式設計的角色,而是能夠獨立地、端到端地完成整個開發專案。

OpenDevin出技術報告了,大模型Agent開發者必讀

Devin 的出世讓我們領略了大模型 Agent 的強大能力。很快,業界就出現了眾多嘗試復刻它的開源項目,其中 OpenDevin 脫穎而出,受到了人們最多的關注。

OpenDevin 是一個開發透過軟體與世界互動的通用智能體的平台,其特點包括: 

  • 大模型Agent、介面和環境之間互動的交互機制;

  • Agent 可用的沙盒作業系統+ Web 瀏覽器環境;

  • 可建立和執行程式碼的介面;

  • 可建立和執行程式碼的介面;

  • 多Agent 支援;

評估架構。

OpenDevin出技術報告了,大模型Agent開發者必讀目前,OpenDevin 的 GitHub 已經獲得了超過 2.9 萬 Star 量。

OpenDevin出技術報告了,大模型Agent開發者必讀近日,OpenaDevin 團隊發布了該工具的技術報告。

報告網址:https://arxiv.org/pdf/2407.16741

在技術報告中,OpenDevin 的作者,來自伊利諾大學香檳分校、卡內基美隆大學等機構的學者們詳細介紹了OpenDevin,這是一個社群驅動的平台,旨在開發透過軟體與世界互動的通用和專業AI Agent。

更重要的是,OpenDevin 不僅是一個概念框架,它還包括一個全面且可立即使用的 Agent、環境和評估實作。截至本報告發佈時,OpenDevin 包含一個 Agent 中心,其中已實現 10 多個智能體,包括一個基於 CodeAct 架構實現的強大的通用智能體,並增加了用於 Web 瀏覽和程式碼編輯功能。使用者與智慧體的互動是透過聊天介面實現的,該介面可視化智慧體當前操作並允許即時回饋。此外,評估框架目前支援 15 個基準,可使用它們來評估智能體效能。

OpenDevin 架構

OpenDevin出技術報告了,大模型Agent開發者必讀本文中,作者從以下幾個方面描述OpenDevin:(1)如何定義和實現智能體;(2)動作執行如何促進觀察;(3)如何管理和擴展智能體常用的技能;(4)如何將多個智能體組合在一起以解決任務。

如何定義和實現智能體

智能體可以感知環境狀態,並在解決用戶指定的任務時生成要執行的操作。

狀態和事件流。在 OpenDevin 中,狀態是一種資料結構,它封裝了智能體執行任務的所有相關資訊。此狀態的關鍵組成部分是事件流,是按照時間順序收集過去的動作和觀察。

動作。受 CodeAct 的啟發,OpenDevin 透過一組核心的動作將智能體與環境連接起來。動作 IPythonRunCellAction 和 CmdRunAction 使智能體能夠在沙盒環境(例如,安全隔離的 Linux 作業系統)內執行任意 Python 程式碼和 bash 命令。而 BrowserInteractiveAction 支援智能體與 Web 瀏覽器互動。

觀察。觀察描述了智能體觀察到的環境變化。它可能由智能體的動作引起,也可能不是:它可以是 1) 使用者提出的自然語言指令,2) 智能體先前動作的執行結果(例如,程式碼執行結果等)。

OpenDevin出技術報告了,大模型Agent開發者必讀實現新的智能體。智能體設計簡單但功能強大,從而允許用戶輕鬆創建和自訂用於各種任務的智能體。核心在於 step 函數,它將當前狀態作為輸入並根據智能體的邏輯產生適當的動作。圖 2 顯示了智能體抽象的簡化範例程式碼。

觀察動作執行結果

Agent Runtime 為智能體提供了與人類軟體開發人員相當的動作空間,使OpenDevin能夠處理各種軟體開發和基於Web 的任務,包括複雜的軟體開發工作流程、資料分析專案、Web 瀏覽任務等。它允許智能體存取 bash 終端機來運行程式碼和命令列工具,利用 Jupyter notebook 即時編寫和執行程式碼,並與 Web 瀏覽器互動以執行基於 Web 的任務(例如,資訊搜尋)。

可擴充的智能體- 電腦介面

作者建構了一個AgentSkills 函式庫,這是一個旨在增強智能體功能的工具箱,能夠提供基本bash 指令或python程式碼無法輕鬆取得的實用程式。

多智能體互動

OpenDevin 允許多個智能體進行互動。為了實現這一目標,作者使用了一種特殊的動作類型 AgentDelegateAction,它允許智能體將特定的子任務委託給另一個智能體。

評估

本節將 OpenDevin (以下實驗結果中簡寫為 OD)與開源可複現的基線方法進行了比較。這 15 個基準涵蓋軟體工程、網頁瀏覽等任務。

OpenDevin出技術報告了,大模型Agent開發者必讀

表 3 表明,雖然 OpenDevin 智能體可能無法在每個類別中都達到最佳性能,但其設計考慮了通用性。

OpenDevin出技術報告了,大模型Agent開發者必讀

表 4 報告了智能體在軟體工程基準上的結果。

OpenDevin出技術報告了,大模型Agent開發者必讀

具體而言:

SWE-bench 旨在評估智能體解決 GitHub 問題的能力,如 bug 報告或功能請求。如表 4 所示,本文最新版本的 CodeActAgent v1.8 ,基於 claude-3.5-sonnet,與其他專門用於軟體開發的開源智能體相比,解決問題率高達 26%。

HumanEvalFix。 OpenDevin CodeActAgent 成功修復了 Python 分割中 79.3% 的錯誤,明顯優於所有非智能體方法,幾乎是 StarCoder2-15B 效能的兩倍。

基於 GPT-4o 的 OpenDevin 智能體在 ML-Bench 上實現了 76.47% 的最高成功率,優於 SWE-Agent(42.64%)。

Gorilla APIBench 檢視智能體使用 API 的能力。使用 GPT-4o 的 OpenDevin 的成功率為 36.4%,優於未針對 API 呼叫進行專門微調的基線。

ToolQA 評估智能體使用外在工具的能力。與所有基線相比,採用 GPT-4o 的 OpenDevin 表現出最高的效能。智能體在與 CSV 和資料庫工具使用相關的任務上表現較好,但在數學和計算器工具使用上需要改進。

表 5 報告了網頁瀏覽基準的評估結果。

OpenDevin出技術報告了,大模型Agent開發者必讀

表 6 報告了各種輔助基準的結果。

OpenDevin出技術報告了,大模型Agent開發者必讀

其中,GAIA 用於評估智能體解決一般任務的能力,結果顯示,智能體在GAIA 上取得了32.1 分,比原來的AutoGPT 有了明顯的提高。

GPQA 用於評估智能體在解決具有挑戰性的研究生程度問題時協調使用工具的能力。結果如表 6、7 所示,OpenDevin 整合了支援多種工具使用以及 web 搜尋的功能,使得智慧體能夠更好地解決複雜的多步驟問題。

OpenDevin出技術報告了,大模型Agent開發者必讀

了解更多結果,請參考原論文。

以上是OpenDevin出技術報告了,大模型Agent開發者必讀的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
DSA如何弯道超车NVIDIA GPU?DSA如何弯道超车NVIDIA GPU?Sep 20, 2023 pm 06:09 PM

你可能听过以下犀利的观点:1.跟着NVIDIA的技术路线,可能永远也追不上NVIDIA的脚步。2.DSA或许有机会追赶上NVIDIA,但目前的状况是DSA濒临消亡,看不到任何希望另一方面,我们都知道现在大模型正处于风口位置,业界很多人想做大模型芯片,也有很多人想投大模型芯片。但是,大模型芯片的设计关键在哪,大带宽大内存的重要性好像大家都知道,但做出来的芯片跟NVIDIA相比,又有何不同?带着问题,本文尝试给大家一点启发。纯粹以观点为主的文章往往显得形式主义,我们可以通过一个架构的例子来说明Sam

阿里云通义千问14B模型开源!性能超越Llama2等同等尺寸模型阿里云通义千问14B模型开源!性能超越Llama2等同等尺寸模型Sep 25, 2023 pm 10:25 PM

2021年9月25日,阿里云发布了开源项目通义千问140亿参数模型Qwen-14B以及其对话模型Qwen-14B-Chat,并且可以免费商用。Qwen-14B在多个权威评测中表现出色,超过了同等规模的模型,甚至有些指标接近Llama2-70B。此前,阿里云还开源了70亿参数模型Qwen-7B,仅一个多月的时间下载量就突破了100万,成为开源社区的热门项目Qwen-14B是一款支持多种语言的高性能开源模型,相比同类模型使用了更多的高质量数据,整体训练数据超过3万亿Token,使得模型具备更强大的推

ICCV 2023揭晓:ControlNet、SAM等热门论文斩获奖项ICCV 2023揭晓:ControlNet、SAM等热门论文斩获奖项Oct 04, 2023 pm 09:37 PM

在法国巴黎举行了国际计算机视觉大会ICCV(InternationalConferenceonComputerVision)本周开幕作为全球计算机视觉领域顶级的学术会议,ICCV每两年召开一次。ICCV的热度一直以来都与CVPR不相上下,屡创新高在今天的开幕式上,ICCV官方公布了今年的论文数据:本届ICCV共有8068篇投稿,其中有2160篇被接收,录用率为26.8%,略高于上一届ICCV2021的录用率25.9%在论文主题方面,官方也公布了相关数据:多视角和传感器的3D技术热度最高在今天的开

百度文心一言全面向全社会开放,率先迈出重要一步百度文心一言全面向全社会开放,率先迈出重要一步Aug 31, 2023 pm 01:33 PM

8月31日,文心一言首次向全社会全面开放。用户可以在应用商店下载“文心一言APP”或登录“文心一言官网”(https://yiyan.baidu.com)进行体验据报道,百度计划推出一系列经过全新重构的AI原生应用,以便让用户充分体验生成式AI的理解、生成、逻辑和记忆等四大核心能力今年3月16日,文心一言开启邀测。作为全球大厂中首个发布的生成式AI产品,文心一言的基础模型文心大模型早在2019年就在国内率先发布,近期升级的文心大模型3.5也持续在十余个国内外权威测评中位居第一。李彦宏表示,当文心

AI技术在蚂蚁集团保险业务中的应用:革新保险服务,带来全新体验AI技术在蚂蚁集团保险业务中的应用:革新保险服务,带来全新体验Sep 20, 2023 pm 10:45 PM

保险行业对于社会民生和国民经济的重要性不言而喻。作为风险管理工具,保险为人民群众提供保障和福利,推动经济的稳定和可持续发展。在新的时代背景下,保险行业面临着新的机遇和挑战,需要不断创新和转型,以适应社会需求的变化和经济结构的调整近年来,中国的保险科技蓬勃发展。通过创新的商业模式和先进的技术手段,积极推动保险行业实现数字化和智能化转型。保险科技的目标是提升保险服务的便利性、个性化和智能化水平,以前所未有的速度改变传统保险业的面貌。这一发展趋势为保险行业注入了新的活力,使保险产品更贴近人民群众的实际

复旦大学团队发布中文智慧法律系统DISC-LawLLM,构建司法评测基准,开源30万微调数据复旦大学团队发布中文智慧法律系统DISC-LawLLM,构建司法评测基准,开源30万微调数据Sep 29, 2023 pm 01:17 PM

随着智慧司法的兴起,智能化方法驱动的智能法律系统有望惠及不同群体。例如,为法律专业人员减轻文书工作,为普通民众提供法律咨询服务,为法学学生提供学习和考试辅导。由于法律知识的独特性和司法任务的多样性,此前的智慧司法研究方面主要着眼于为特定任务设计自动化算法,难以满足对司法领域提供支撑性服务的需求,离应用落地有不小的距离。而大型语言模型(LLMs)在不同的传统任务上展示出强大的能力,为智能法律系统的进一步发展带来希望。近日,复旦大学数据智能与社会计算实验室(FudanDISC)发布大语言模型驱动的中

致敬TempleOS,有开发者创建了启动Llama 2的操作系统,网友:8G内存老电脑就能跑致敬TempleOS,有开发者创建了启动Llama 2的操作系统,网友:8G内存老电脑就能跑Oct 07, 2023 pm 10:09 PM

不得不说,Llama2的「二创」项目越来越硬核、有趣了。自Meta发布开源大模型Llama2以来,围绕着该模型的「二创」项目便多了起来。此前7月,特斯拉前AI总监、重回OpenAI的AndrejKarpathy利用周末时间,做了一个关于Llama2的有趣项目llama2.c,让用户在PyTorch中训练一个babyLlama2模型,然后使用近500行纯C、无任何依赖性的文件进行推理。今天,在Karpathyllama2.c项目的基础上,又有开发者创建了一个启动Llama2的演示操作系统,以及一个

快手黑科技“子弹时间”赋能亚运转播,打造智慧观赛新体验快手黑科技“子弹时间”赋能亚运转播,打造智慧观赛新体验Oct 11, 2023 am 11:21 AM

杭州第19届亚运会不仅是国际顶级体育盛会,更是一场精彩绝伦的中国科技盛宴。本届亚运会中,快手StreamLake与杭州电信深度合作,联合打造智慧观赛新体验,在击剑赛事的转播中,全面应用了快手StreamLake六自由度技术,其中“子弹时间”也是首次应用于击剑项目国际顶级赛事。中国电信杭州分公司智能亚运专班组长芮杰表示,依托快手StreamLake自研的4K3D虚拟运镜视频技术和中国电信5G/全光网,通过赛场内部署的4K专业摄像机阵列实时采集的高清竞赛视频,

See all articles

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
2 週前By尊渡假赌尊渡假赌尊渡假赌
倉庫:如何復興隊友
4 週前By尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island冒險:如何獲得巨型種子
3 週前By尊渡假赌尊渡假赌尊渡假赌

熱工具

禪工作室 13.0.1

禪工作室 13.0.1

強大的PHP整合開發環境

SublimeText3漢化版

SublimeText3漢化版

中文版,非常好用

SublimeText3 Linux新版

SublimeText3 Linux新版

SublimeText3 Linux最新版

記事本++7.3.1

記事本++7.3.1

好用且免費的程式碼編輯器

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具