AgentTuning:赋予大语言模型通用代理能力的突破性技术

RayRay
AgentTuningLLMAI代理机器学习自然语言处理Github开源项目

AgentTuning

AgentTuning: 开启大语言模型通用代理能力的新纪元

在人工智能快速发展的今天,大语言模型(LLMs)已经在各种任务中展现出卓越的性能,推动着自然语言处理领域不断前进。然而,当涉及到在现实世界中处理复杂任务时,开源的大语言模型仍然远远落后于ChatGPT和GPT-4等商业模型。这些代理任务需要语言模型作为中央控制器,负责规划、记忆和工具使用,不仅需要精细的提示方法,还需要强大的语言模型才能取得令人满意的表现。

虽然已有许多针对特定代理任务的提示方法被提出,但很少有研究专注于提高语言模型本身的代理能力,同时又不影响其通用能力。为了解决这一问题,来自清华大学和智谱AI的研究团队提出了一种名为AgentTuning的创新方法,旨在增强大语言模型的代理能力,同时保持其通用语言能力。

AgentTuning: 简单而强大的方法

AgentTuning是一种简单而通用的方法,通过构建高质量的交互轨迹数据集AgentInstruct,并结合开源的通用领域指令,采用混合指令微调策略来增强大语言模型的代理能力。这种方法不仅提高了模型在代理任务中的表现,还保持了模型在一般语言任务中的优秀表现。

AgentTuning方法概览

上图展示了AgentTuning的整体流程,包括AgentInstruct数据集的构建、轨迹交互和轨迹筛选。AgentLM模型通过混合AgentInstruct和通用领域指令进行微调而得到。

AgentInstruct: 高质量的代理指令数据集

AgentInstruct是AgentTuning方法的核心组成部分,它是一个精心策划的数据集,包含1,866个高质量交互,涵盖6个不同的现实世界任务。该数据集具有以下特点:

  1. 链式思考(CoT): 利用ReAct技术,为每个动作提供详细的思考解释,确保模型决策过程的透明度。

  2. 多样性: 涵盖从日常家务到数据库操作等6个真实场景,平均交互轮数从5到35不等。

  3. 精确性: 并非所有GPT-4的轨迹都是有效的。AgentInstruct经过严格的奖励过滤,以确保最高质量。

  4. 质量保证: 进行严格的检查以避免数据泄露,确保数据集的纯净度。

AgentLM: 强大的开源AI代理

基于AgentTuning方法,研究团队对Llama 2系列模型进行了指令微调,得到了名为AgentLM的模型。AgentLM模型采用混合训练策略,结合了AgentInstruct数据集和ShareGPT数据集。目前,研究团队已经开源了AgentLM-7B、AgentLM-13B和AgentLM-70B三个版本的模型,为开源社区提供了强大的AI代理替代方案。

评估结果: 令人振奋的性能提升

研究团队对AgentLM进行了全面的评估,结果表明AgentTuning显著提升了模型的代理能力,同时保持了其在一般语言任务中的优秀表现。

评估结果概览

上图展示了AgentLM在保持原有场景和新场景任务中的总体得分。可以看出,AgentLM-70B在未见过的代理任务中的表现可以与GPT-3.5-turbo相媲美,展现出了强大的泛化能力。

具体来说,评估包括了6个保持原有任务和6个新场景任务:

  1. 保持原有任务:

    • ALFWorld: 日常家务模拟
    • WebShop: 在线购物模拟
    • Mind2Web: 网页交互任务
    • Knowledge Graph: 知识图谱构建
    • Operating System: 操作系统交互
    • Database: 数据库操作
  2. 新场景任务:

    • SciWorld: 科学实验模拟
    • MiniWoB++: 网页任务自动化
    • WebArena: 网页环境交互
    • HotpotQA: 多跳问答任务
    • ReWOO: 真实世界开放式优化
    • Digital Card Game: 数字卡牌游戏

在这些任务中,AgentLM展现出了显著的性能提升,特别是在新场景任务中,AgentLM-70B的表现甚至超过了GPT-3.5-turbo,展现出了强大的泛化能力。

错误分析: 深入了解模型表现

为了更好地理解AgentLM的性能,研究团队对三个保持原有任务(ALFWorld、WebShop和Knowledge Graph)进行了详细的错误分析。结果显示,原始的Llama2模型在重复生成和执行无效动作等基本错误上表现较差,而AgentLM显著减少了这些基本错误。

错误分析结果

研究团队推测,虽然Llama 2本身具有代理能力,但由于缺乏对代理数据的对齐训练,导致其表现不佳。AgentTuning有效地激活了模型的代理潜力,使其在复杂任务中表现出色。

案例研究: 直观展示AgentLM的优势

为了更直观地展示AgentLM的优势,研究团队提供了两个具体案例,分别来自ALFWorld和Knowledge Graph任务:

案例研究

  1. ALFWorld任务中,Llama-2-70b-chat重复相同的动作最终导致任务失败,而AgentLM-70B在失败后能够调整行动策略。

  2. Knowledge Graph任务中,面对错误时Llama-2-70b-chat拒绝修复函数调用,而是要求用户实现函数。相比之下,AgentLM-70B提供了正确的函数调用。

这些案例清楚地展示了AgentLM在处理复杂任务时的灵活性和适应性,凸显了AgentTuning方法的有效性。

结论与展望

AgentTuning为增强大语言模型的代理能力提供了一种简单而有效的方法。通过构建高质量的AgentInstruct数据集和采用混合指令微调策略,AgentLM在各种复杂的代理任务中展现出了卓越的性能,同时保持了其在一般语言任务中的优秀表现。

这项研究不仅为开源社区提供了强大的AI代理替代方案,也为未来大语言模型在实际应用中的发展指明了方向。随着AgentTuning技术的不断完善和应用,我们可以期待看到更多智能、灵活的AI代理系统在各个领域发挥作用,推动人工智能技术向着更加实用和普及的方向发展。

作为开源项目,AgentTuning的代码、数据集和预训练模型都已在GitHub上公开。研究团队鼓励更多的研究者和开发者参与到这个项目中来,共同推动大语言模型代理能力的进步。未来,我们可能会看到更多基于AgentTuning的应用场景,如智能家居助手、复杂任务规划系统等,这将为人类的日常生活和工作带来更多便利和效率提升。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多