GOAT.AI - Task to AI Agents
Inprogram-aankope
1 k+
Aflaaie
Almal
info
Meer oor hierdie program
Doelgerigte orkestrasie van Agent-take. Basies sal KI-agente met mekaar kommunikeer om jou taak uit te voer.
Voorbeeld: "kies die beste dag volgende maand vir 'n 20 km semi-marathon". KI sal begin saamwerk: die Weer-agent haal voorspellings op, die websoekagent identifiseer optimale looptoestande, en die Wolfram-agent bereken die "beste dag." Dit is die kuns van gekoppelde KI, wat komplekse take met sofistikasie vereenvoudig.
LLM's as die sentrale hoofraamwerk vir outonome agente is 'n intrigerende konsep. Demonstrasies soos AutoGPT, GPT-Engineer en BabyAGI dien as eenvoudige illustrasies van hierdie idee. Die potensiaal van LLM's strek verder as die generering of voltooiing van goedgeskrewe kopieë, stories, opstelle en programme; hulle kan omraam word as kragtige algemene taakoplossers, en dit is wat ons beoog om te bereik met die bou van die doelgerigte orkestrasie van agenttaakmag (GOAT.AI)
Vir 'n doelgerigte orkestrasie van 'n LLM-agenttaakspanstelsel om behoorlik te bestaan en te funksioneer, moet drie hoofkernkomponente van die stelsel behoorlik funksioneer
- Oorsig
1) Beplanning
- Subdoel en ontbinding: Die agent breek groot take af in kleiner, hanteerbare subdoelwitte, wat dit makliker maak om komplekse opdragte doeltreffend te hanteer.
- Besinning en verfyning: Die agent is betrokke by selfkritiek en selfrefleksie oor vorige aksies, leer uit foute en verbeter benaderings vir toekomstige stappe, waardeur die algehele kwaliteit van uitkomste verbeter word.
2) Geheue
- Korttermyngeheue: Dit verwys na die hoeveelheid teks wat die model kan verwerk voordat dit beantwoord word sonder enige agteruitgang in kwaliteit. In die huidige toestand kan die LLM's antwoorde verskaf sonder enige afname in kwaliteit vir ongeveer 128k tokens.
- Langtermyngeheue: Dit stel die agent in staat om 'n onbeperkte hoeveelheid inligting vir die konteks oor lang tydperke te stoor en te herroep. Dit word dikwels bereik deur 'n eksterne vektorstoor vir doeltreffende JOOL-stelsels te gebruik.
3) Aksie Ruimte
- Die agent verkry die vermoë om eksterne API's te roep om bykomende inligting te bekom wat nie in die modelgewigte beskikbaar is nie (wat dikwels moeilik is om te verander na voorafopleiding). Dit sluit in toegang tot huidige inligting, die uitvoering van kode, toegang tot eie inligtingsbronne, en die belangrikste: die aanroep van ander agente vir inligtingherwinning.
- Die aksieruimte sluit ook aksies in wat nie daarop gemik is om iets te herwin nie, maar eerder die uitvoering van spesifieke handelinge en die verkryging van die gevolglike uitkoms behels. Voorbeelde van sulke aksies sluit in die stuur van e-pos, die bekendstelling van toepassings, die oopmaak van voordeure, en meer. Hierdie aksies word tipies deur verskeie API's uitgevoer. Boonop is dit belangrik om daarop te let dat agente ook ander agente kan beroep vir optrede waartoe hulle toegang het.
Voorbeeld: "kies die beste dag volgende maand vir 'n 20 km semi-marathon". KI sal begin saamwerk: die Weer-agent haal voorspellings op, die websoekagent identifiseer optimale looptoestande, en die Wolfram-agent bereken die "beste dag." Dit is die kuns van gekoppelde KI, wat komplekse take met sofistikasie vereenvoudig.
LLM's as die sentrale hoofraamwerk vir outonome agente is 'n intrigerende konsep. Demonstrasies soos AutoGPT, GPT-Engineer en BabyAGI dien as eenvoudige illustrasies van hierdie idee. Die potensiaal van LLM's strek verder as die generering of voltooiing van goedgeskrewe kopieë, stories, opstelle en programme; hulle kan omraam word as kragtige algemene taakoplossers, en dit is wat ons beoog om te bereik met die bou van die doelgerigte orkestrasie van agenttaakmag (GOAT.AI)
Vir 'n doelgerigte orkestrasie van 'n LLM-agenttaakspanstelsel om behoorlik te bestaan en te funksioneer, moet drie hoofkernkomponente van die stelsel behoorlik funksioneer
- Oorsig
1) Beplanning
- Subdoel en ontbinding: Die agent breek groot take af in kleiner, hanteerbare subdoelwitte, wat dit makliker maak om komplekse opdragte doeltreffend te hanteer.
- Besinning en verfyning: Die agent is betrokke by selfkritiek en selfrefleksie oor vorige aksies, leer uit foute en verbeter benaderings vir toekomstige stappe, waardeur die algehele kwaliteit van uitkomste verbeter word.
2) Geheue
- Korttermyngeheue: Dit verwys na die hoeveelheid teks wat die model kan verwerk voordat dit beantwoord word sonder enige agteruitgang in kwaliteit. In die huidige toestand kan die LLM's antwoorde verskaf sonder enige afname in kwaliteit vir ongeveer 128k tokens.
- Langtermyngeheue: Dit stel die agent in staat om 'n onbeperkte hoeveelheid inligting vir die konteks oor lang tydperke te stoor en te herroep. Dit word dikwels bereik deur 'n eksterne vektorstoor vir doeltreffende JOOL-stelsels te gebruik.
3) Aksie Ruimte
- Die agent verkry die vermoë om eksterne API's te roep om bykomende inligting te bekom wat nie in die modelgewigte beskikbaar is nie (wat dikwels moeilik is om te verander na voorafopleiding). Dit sluit in toegang tot huidige inligting, die uitvoering van kode, toegang tot eie inligtingsbronne, en die belangrikste: die aanroep van ander agente vir inligtingherwinning.
- Die aksieruimte sluit ook aksies in wat nie daarop gemik is om iets te herwin nie, maar eerder die uitvoering van spesifieke handelinge en die verkryging van die gevolglike uitkoms behels. Voorbeelde van sulke aksies sluit in die stuur van e-pos, die bekendstelling van toepassings, die oopmaak van voordeure, en meer. Hierdie aksies word tipies deur verskeie API's uitgevoer. Boonop is dit belangrik om daarop te let dat agente ook ander agente kan beroep vir optrede waartoe hulle toegang het.
Opgedateer op
Veiligheid begin wanneer jy verstaan hoe ontwikkelaars jou data insamel en deel. Praktyke vir dataprivaatheid en -sekuriteit kan verskil op grond van gebruik, streek en ouderdom. Die ontwikkelaar het hierdie inligting verskaf en kan dit mettertyd opdateer.
Wat's nuut
Minor improvements to AI models
