LLM获取狼人杀游戏信息(包括player的身份、过去的对局信息等,按规范的格式给出),提出多样、可能的actions(如下一步agent该说什么)。其中产生多样action,是设计了一个prompt,让LLM一次输出多个action,如“propose N diverse actions that correspond to different strategies”。 RL policy从给定的action种选择一个action...
zjunlp/LLMAgentPapersPublic NotificationsYou must be signed in to change notification settings Fork92 Star1.7k Code Issues LLM Agents Papers Must-read Papers on Large Language Model Agents. "Here are some other paper lists you might be interested in: ...
Lagent. A lightweight framework for building LLM-based agents. ToolEmu An LLM-based emulation framework for testing and identifying the risks of LLM-based agents 🎉 Contribution Contributing to this paper list ⭐" Join us in improving this repository! If you know of any important works we...
Paper:QueryAgent: A Reliable and Efficient Reasoning Framework with Environmental Feedback based Self-Correction 地址:*2403.11886.pdf (arxiv.org) 1.传统Agent的工作模式 1.1.ICL-based(上下文学习能力) 可以简单理解为Prompt engineering,这考验LLM本身的泛化能力。 参考: 1.In-Context Learning (上下文学习)前...
该插件项目已开源github: https://github.com/windfollowingheart/zotero-paper-agentgitee: https://gitee.com/windheartyolo/zotero-pape-agent (支持国内), 视频播放量 1761、弹幕量 0、点赞数 59、投硬币枚数 33、收藏人数 170、转发人数 16, 视频作者 pydev5-2, 作者简
与此同时,研究团队构建了一个包含 70 个典型软件开发任务的数据集 SoftwareDev,并将 MetaGPT 的表现与其他 Agent 框架的开源工作[1][2][3][4]进行了比较。结果显示,MetaGPT 在任务完成率和生成的代码质量方面表现出显著的优势,表明 MetaGPT 在软件开发领域具有出色的性能。
该工作主要梳理了LLM-based Agent 中的规划(planning)能力。 Paper:Understanding the planning of LLM agents: A survey ArXiv:https://arxiv.org/abs/2402.02716 文章中,作者将planning能力进一步细分为了五个维度: • 任务分解(Task Decomposition)
初始化任务:会先调用QuickInsight生成数据集的基础洞察,然后使用Prompt,让LLM基于Agent返回的多条数据洞察,用户Query,和数据集的描述(类似DB Schema),来选择一条洞察结果来进一步分析。 意图选择任务:如何分析以上洞察,这里分了三个意图,分别对应以上的3个Agent,Understand-QuickInsight, Summarize-MetaInsight, Explain-...
InsightPilot就是基于以上三个数据分析引擎,使用大模型进行串联,来完成用户的数据洞察需求。还是那个观点,LLM+Agent的组合中,真正重要的是Agent,LLM只是负责基于上下文语义来选择最合适的Agent,并基于Agent的返回内容来决定下一步的操作,说白了就是串场子的,当然最后也需要LLM来生成数据分析报告。
LLM-based Agent 论文列表:https://github.com/WooooDyy/LLM-Agent-Paper-List 团队成员还将为每篇相关论文添加「一句话概括」,欢迎 Star 仓库。 研究背景 长期以来,研究者们一直在追求与人类相当、乃至超越人类水平的通用人工智能(Artificial General Intelligence,AGI)。早在 1950 年代,Alan Turing 就将「智能」的...