懂AI

Multi-LLM-Agent：小型语言模型的多智能体系统

RayRay
Multi-LLM Agentα-UMi工具学习大语言模型人工智能Github开源项目

Multi-LLM-Agent

α-UMi:小型语言模型作为弱工具学习者的多智能体系统

近年来,大型语言模型(LLM)在各种任务中展现出了惊人的能力。然而,单个LLM智能体在实际应用中仍然面临着一些限制。为了克服这些限制,研究人员提出了多LLM智能体协作的新方法 - α-UMi系统。

α-UMi是一个基于多个小型语言模型协作的智能体系统,专门用于工具学习任务。它将单个LLM的能力分解为三个组件:规划器、调用器和总结器。在每个执行步骤中,规划器根据系统状态生成当前步骤的理由,并选择调用器或总结器生成下游输出。调用器在规划器的指导下负责调用特定工具进行交互。总结器则在规划器的指导下,根据执行轨迹制定最终的用户答案。

与传统的单一LLM智能体框架相比,α-UMi具有以下优势:

  1. 使小型LLM能够协作,在工具学习方面的表现超过强大的封闭源大型LLM。

  2. 比单一LLM智能体系统更灵活的提示设计。

  3. 采用两阶段全局到局部渐进式微调(GLPFT)方法,成功训练多LLM智能体。

α-UMi的工作流程如下:

  1. 规划器接收用户任务,生成执行计划。
  2. 调用器根据计划调用相关工具。
  3. 总结器根据执行轨迹生成最终答案。
  4. 如有需要,规划器会重新规划并重复以上步骤。

该项目提供了α-UMi系统的预训练和指令微调检查点,以及详细的数据准备、模型训练和推理评估说明。实验结果表明,α-UMi在静态评估和实时评估中都优于基线模型,展示了多LLM智能体协作的巨大潜力。

未来,研究人员计划将α-UMi扩展到更多智能体任务,并发布用于ToolAlpaca、MATH和GSM8K等任务的模型和代码。这个项目为小型语言模型在复杂任务中的应用开辟了新的可能性,有望推动多智能体系统在人工智能领域的进一步发展。

Multi-LLM-Agent项目为我们展示了多个小型语言模型协作可以实现强大功能的潜力。这种方法不仅可以提高模型性能,还可能降低计算成本,使更多组织和研究人员能够开发和应用先进的AI系统。随着该领域的不断发展,我们期待看到更多创新的多智能体架构和应用出现。

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