Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

上海宝山炮台湿地公园的蓝天白云上海宝山炮台湿地公园的蓝天白云
0

微软与香港大学近日联合推出了一项名为AgentGen的AI项目框架,通过自动生成多样化环境和任务,显著提升了大语言模型(LLM)的规划能力。这一创新技术有望在机器人控制、智能家居等领域发挥重要作用。

项目背景

随着人工智能技术的快速发展,大语言模型在自然语言处理、对话系统等领域取得了显著成果。然而,这些模型在规划能力方面仍存在一定的局限性。为了克服这一难题,微软与香港大学联合研发了AgentGen框架,旨在提高AI大模型的规划能力。

技术原理

AgentGen框架利用BI-EVOL方法,创建难度递增的任务集,使8B参数的Llama-3模型在某些任务上接近GPT-4水平。具体来说,AgentGen具有以下技术特点:

  • 环境生成:AgentGen使用大语言模型(LLM)生成环境规范,包括状态空间、动作空间和转移函数的定义。然后,通过代码生成技术实现这些环境的具体代码。
  • 启发式规则和语料库:在环境生成过程中,AgentGen利用启发式规则和多样化的语料库指导LLM生成具有多样性的环境。
  • 任务生成:基于生成的环境,AgentGen进一步使用LLM生成相应的规划任务,确保任务与环境相匹配。
  • BI-EVOL方法:AgentGen采用双向演化(BI-EVOL)方法调整任务难度,形成难度递增的任务集。

项目亮点

AgentGen框架具有以下主要功能:

  • 自适应环境构建:框架能够自主构思并创造出多样化的虚拟环境,为智能体提供丰富的交互场景。
  • 智能任务定制:基于先进的语言模型,AgentGen能智能地定制任务,生成的环境能够具有适应性。
  • 动态难度调节:通过创新的BI-EVOL策略,框架能够动态调整任务难度,促进智能体在不同复杂度的任务中学习和成长。
  • 无需大量训练数据:AgentGen的零样本生成能力减少了对大规模训练数据集的需求,加快了模型的训练过程。
  • 精准技能强化:通过指令微调,框架能够精准地强化智能体在特定任务上的技能,提升其解决问题的能力。
  • 全面性能监测:AgentGen通过细致的性能评估体系,智能体能在各种任务中的表现达到最优。

应用场景

AgentGen框架的应用场景广泛,包括:

  • 机器人控制:在自动化和智能制造领域,AgentGen可以用于提高机器人的自主规划和决策能力,使其能够更有效地执行复杂的任务。
  • 智能家居系统:AgentGen可以集成到智能家居系统中,帮助系统根据用户的行为和偏好自动调整设备设置,提高居住舒适度和能效。
  • 个人助理:作为个人助理,AgentGen可以帮助用户进行日程安排、任务规划和提醒,提高生活和工作效率。
  • 交通规划:AgentGen可以用于交通系统的优化,帮助规划更合理的行车路线,减少拥堵,提高出行效率。
  • 游戏AI:在电子游戏开发中,AgentGen可以用于生成更智能的非玩家角色(NPC),提供更丰富的游戏体验。

总结

微软与香港大学联合推出的AgentGen框架,通过创新的BI-EVOL方法和零样本生成能力,为AI大模型规划能力的提升提供了新的途径。这一技术的成功应用,将有助于推动人工智能技术在各个领域的深入发展。


read more

Views: 0

0

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注