GOAT.AI - Task to AI Agents
Uygulama içi satın alma
1 B+
İndirme
Tüm yaşlar
info
Bu uygulama hakkında
Aracı Görevlerinin hedef odaklı düzenlenmesi. Temel olarak AI Temsilcileri, görevinizi gerçekleştirmek için birbirleriyle iletişim kuracaktır.
Örnek: "20 km'lik bir yarı maraton için gelecek ayın en iyi gününü seçin". Yapay zeka işbirliği yapmaya başlayacak: Hava Durumu aracısı tahminleri alır, Web arama aracısı en uygun çalışma koşullarını belirler ve Wolfram aracısı "en iyi günü" hesaplar. Bu, karmaşık görevleri gelişmiş bir şekilde basitleştiren bağlantılı yapay zeka sanatıdır.
Otonom aracılar için merkezi ana bilgisayar olarak Yüksek Lisans (LLM) ilgi çekici bir kavramdır. AutoGPT, GPT-Engineer ve BabyAGI gibi gösteriler bu fikrin basit örnekleri olarak hizmet ediyor. Yüksek Lisans'ın potansiyeli, iyi yazılmış kopyalar, öyküler, makaleler ve programlar oluşturmanın veya tamamlamanın ötesine uzanır; güçlü Genel Görev Çözücüler olarak çerçevelenebilirler ve Ajan Görev Gücünün Hedef Odaklı Orkestrasyonunu (GOAT.AI) oluştururken ulaşmayı hedeflediğimiz şey budur.
Bir LLM ajan görev gücü sisteminin hedef odaklı bir şekilde düzenlenmesi ve düzgün bir şekilde çalışması için, sistemin üç ana temel bileşeninin düzgün çalışması gerekir.
- Genel Bakış
1) Planlama
- Alt hedef ve ayrıştırma: Aracı, büyük görevleri daha küçük, yönetilebilir alt hedeflere bölerek karmaşık görevlerin verimli bir şekilde ele alınmasını kolaylaştırır.
- Düşünme ve iyileştirme: Temsilci, geçmiş eylemler hakkında özeleştiri ve öz değerlendirmeyle meşgul olur, hatalardan ders alır ve gelecekteki adımlar için yaklaşımları geliştirir, böylece sonuçların genel kalitesini artırır.
2) Bellek
- Kısa süreli hafıza: Modelin, kalitesinde herhangi bir bozulma olmadan yanıt vermeden önce işleyebileceği metin miktarını ifade eder. Mevcut durumda LLM'ler yaklaşık 128 bin token için kalitede herhangi bir düşüş olmadan yanıt verebilmektedir.
- Uzun süreli hafıza: Bu, aracının bağlam için sınırsız miktarda bilgiyi uzun süreler boyunca saklamasını ve geri çağırmasını sağlar. Verimli RAG sistemleri için genellikle harici bir vektör deposu kullanılarak elde edilir.
3) Eylem Alanı
- Aracı, model ağırlıklarında bulunmayan (ön eğitimden sonra değiştirilmesi genellikle zor olan) ek bilgileri elde etmek için harici API'leri çağırma yeteneğini kazanır. Bu, mevcut bilgilere erişmeyi, kodu çalıştırmayı, özel bilgi kaynaklarına erişmeyi ve en önemlisi bilgi almak için diğer aracıları çağırmayı içerir.
- Eylem alanı aynı zamanda bir şeyi geri almayı amaçlamayan, daha ziyade belirli eylemlerin gerçekleştirilmesini ve sonuçta ortaya çıkan sonucun elde edilmesini içeren eylemleri de kapsar. Bu tür eylemlere örnek olarak e-posta gönderme, uygulamaları başlatma, ön kapıları açma ve daha fazlası verilebilir. Bu eylemler genellikle çeşitli API'ler aracılığıyla gerçekleştirilir. Ek olarak, aracıların erişim sahibi oldukları işlem yapılabilir olaylar için diğer aracıları da çağırabileceğini unutmamak önemlidir.
Örnek: "20 km'lik bir yarı maraton için gelecek ayın en iyi gününü seçin". Yapay zeka işbirliği yapmaya başlayacak: Hava Durumu aracısı tahminleri alır, Web arama aracısı en uygun çalışma koşullarını belirler ve Wolfram aracısı "en iyi günü" hesaplar. Bu, karmaşık görevleri gelişmiş bir şekilde basitleştiren bağlantılı yapay zeka sanatıdır.
Otonom aracılar için merkezi ana bilgisayar olarak Yüksek Lisans (LLM) ilgi çekici bir kavramdır. AutoGPT, GPT-Engineer ve BabyAGI gibi gösteriler bu fikrin basit örnekleri olarak hizmet ediyor. Yüksek Lisans'ın potansiyeli, iyi yazılmış kopyalar, öyküler, makaleler ve programlar oluşturmanın veya tamamlamanın ötesine uzanır; güçlü Genel Görev Çözücüler olarak çerçevelenebilirler ve Ajan Görev Gücünün Hedef Odaklı Orkestrasyonunu (GOAT.AI) oluştururken ulaşmayı hedeflediğimiz şey budur.
Bir LLM ajan görev gücü sisteminin hedef odaklı bir şekilde düzenlenmesi ve düzgün bir şekilde çalışması için, sistemin üç ana temel bileşeninin düzgün çalışması gerekir.
- Genel Bakış
1) Planlama
- Alt hedef ve ayrıştırma: Aracı, büyük görevleri daha küçük, yönetilebilir alt hedeflere bölerek karmaşık görevlerin verimli bir şekilde ele alınmasını kolaylaştırır.
- Düşünme ve iyileştirme: Temsilci, geçmiş eylemler hakkında özeleştiri ve öz değerlendirmeyle meşgul olur, hatalardan ders alır ve gelecekteki adımlar için yaklaşımları geliştirir, böylece sonuçların genel kalitesini artırır.
2) Bellek
- Kısa süreli hafıza: Modelin, kalitesinde herhangi bir bozulma olmadan yanıt vermeden önce işleyebileceği metin miktarını ifade eder. Mevcut durumda LLM'ler yaklaşık 128 bin token için kalitede herhangi bir düşüş olmadan yanıt verebilmektedir.
- Uzun süreli hafıza: Bu, aracının bağlam için sınırsız miktarda bilgiyi uzun süreler boyunca saklamasını ve geri çağırmasını sağlar. Verimli RAG sistemleri için genellikle harici bir vektör deposu kullanılarak elde edilir.
3) Eylem Alanı
- Aracı, model ağırlıklarında bulunmayan (ön eğitimden sonra değiştirilmesi genellikle zor olan) ek bilgileri elde etmek için harici API'leri çağırma yeteneğini kazanır. Bu, mevcut bilgilere erişmeyi, kodu çalıştırmayı, özel bilgi kaynaklarına erişmeyi ve en önemlisi bilgi almak için diğer aracıları çağırmayı içerir.
- Eylem alanı aynı zamanda bir şeyi geri almayı amaçlamayan, daha ziyade belirli eylemlerin gerçekleştirilmesini ve sonuçta ortaya çıkan sonucun elde edilmesini içeren eylemleri de kapsar. Bu tür eylemlere örnek olarak e-posta gönderme, uygulamaları başlatma, ön kapıları açma ve daha fazlası verilebilir. Bu eylemler genellikle çeşitli API'ler aracılığıyla gerçekleştirilir. Ek olarak, aracıların erişim sahibi oldukları işlem yapılabilir olaylar için diğer aracıları da çağırabileceğini unutmamak önemlidir.
Güncellenme tarihi
Geliştiricilerin verilerinizi nasıl toplayıp paylaştıklarını anlamak, güvenliğin ilk adımıdır. Veri gizliliği ve güvenliği yöntemleri; kullanımınıza, bölgenize ve yaşınıza göre değişiklik gösterebilir. Geliştiricinin sağladığı bu bilgiler zaman içinde güncellenebilir.
Bu uygulamanın üçüncü taraflarla paylaşabileceği veri türleri:
Fotoğraflar ve videolar ve Dosyalar ve dokümanlar
Bu uygulamanın toplayabileceği veri türleri
Fotoğraflar ve videolar, Dosyalar ve dokümanlar ve Uygulama etkinliği
Veriler, aktarım sırasında şifreleniyor
Verilerin silinmesini talep edebilirsiniz
Yenilikler
Minor improvements to AI models
