Search Results エージェント

「AGENTS内部半自律LLMエージェントを構築するための新しいオープンソースフレームワーク」

「自律エージェントは、ファウンデーションモデルエコシステムで最も人気のあるトピックの一つですAutoGPTやBabyAGIなどのプロジェクトの初期の試みは、開発者の想像力をかき立てました...」

注目すべき9つのオープンソースLLMsとエージェント

「過去の1年間、大規模言語モデルとLLMエージェントへの関心が急増しています大規模言語モデルがさまざまな分野に進出し続ける中、一般的なLLMには適していない複雑な問題に対処するため、より特定の領域に特化したモデルが登場するでしょうだから...」

AWSにおける生成AIとマルチモーダルエージェント：金融市場における新たな価値を開拓するための鍵

マルチモーダルデータは、市場、経済、顧客、ニュースおよびソーシャルメディア、リスクデータを含む、金融業界の貴重な要素です金融機関はこのデータを生成し、収集し、利用して、金融業務の洞察を得たり、より良い意思決定を行ったり、パフォーマンスを向上させたりしますしかし、マルチモーダルデータには複雑さと不足に起因する課題があります

自己対戦を通じてエージェントをトレーニングして、三目並べをマスターする

あぁ！小学校！これは私たちが識字、算数、そして最適な○×ゲームのプレイなど、貴重なスキルを学んだ時期です友達と○×ゲームをプレイする時、相手に勝たれずに…

このAI論文は、自律言語エージェントのためのオープンソースのPythonフレームワークである「Agents」を紹介しています

カスタマーサービス、コンサルティング、プログラミング、執筆、教育などのタスクでは、言語エージェントは人間の労力を削減することができ、人工一般知能（AGI）に向けた潜在的な第一歩となります。AutoGPTやBabyAGIなどの言語エージェントの潜在能力を示す最近のデモンストレーションは、研究者、開発者、一般の観客から多くの注目を浴びています。経験豊かな開発者や研究者でも、これらのデモやリポジトリのほとんどは、エージェントをカスタマイズ、設定、展開するのに適していません。これは、これらのデモンストレーションが、言語エージェントの潜在能力を強調する概念実証の一環であり、徐々に開発およびカスタマイズ可能なフレームワークではないためです。さらに、研究によると、これらのオープンソースソースの大多数は、ジョブの分解、長期記憶、ウェブナビゲーション、ツールの使用、複数エージェントの通信など、基本的な言語エージェントの機能のほんの一部しかカバーしていないことがわかっています。また、現在使用されている言語エージェントフレームワークのほとんど（もしくはすべて）は、短いタスクの説明とLLMの計画と行動能力に完全に依存しています。異なる実行間での高いランダム性と一貫性のため、言語エージェントは修正や微調整が困難であり、ユーザーエクスペリエンスが低いです。 AIWaves Inc.、浙江大学、ETH Zürichの研究者は、LLMを活用した言語エージェントをサポートするオープンソースの言語エージェントライブラリおよびフレームワークであるAGENTSを提案しています。AGENTSの目標は、言語エージェントのカスタマイズ、調整、展開を可能な限り簡単にすることです。非専門家でも利用できるようにする一方で、プログラマーや研究者にとっても拡張性のあるプラットフォームであることも重要です。ライブラリは以下のコア機能も提供しており、これらを組み合わせることで柔軟な言語エージェントのプラットフォームとなっています。長短期記憶：AGENTSはメモリコンポーネントを組み込み、言語エージェントがスクラッチパッドを使用して短期作業メモリを定期的に更新し、VectorDBと意味検索を使用して長期記憶を保存および取得することができます。ユーザーは設定ファイルのフィールドに値を入力するだけで、エージェントに長期記憶、短期記憶、または両方を与えるかどうかを決定できます。ウェブナビゲーションとツールの使用：外部ツールの使用とインターネットの閲覧能力は、自律エージェントのもう一つの重要な特性です。AGENTSはいくつかの一般的に使用される外部APIをサポートし、他のツールを簡単に組み込むための抽象クラスを提供しています。ウェブ検索とナビゲーションを特殊なAPIとして分類することにより、エージェントがインターネットを閲覧し情報を収集することも可能にしています。複数エージェントの相互作用：AGENTSはカスタマイズ可能なマルチエージェントシステムとシングルエージェントの機能を許可しており、ゲーム、社会実験、ソフトウェア開発など、特定のアプリケーションに有用です。AGENTSの「動的スケジューリング」機能は、マルチエージェント間の通信において新しい機能です。動的スケジューリングにより、コントローラーエージェントが「モデレーター」として機能し、役割と最近の履歴に基づいて次のアクションを実行するエージェントを選択することができます。動的スケジューリングを使用すると、複数のエージェント間でより柔軟かつ自然なコミュニケーションが可能です。開発者は設定ファイルでコントローラーのルールを定義することで、コントローラーの動作を簡単に変更できます。人間とエージェントの相互作用：AGENTSは単一エージェントおよびマルチエージェントのシナリオで、1人以上の人間と言語エージェントの相互作用とコミュニケーションを可能にします。制御性：AGENTSは、標準的な作業手順（SOP）として知られる象徴的な計画を使用して、制御可能なエージェントの開発に革新的なパラダイムを提供します。SOPは、エージェントがタスクを実行する際に直面するさまざまな状況と、状態間の遷移ルールを記述したグラフです。AGENTSのSOPは、特定の活動や手順を実行する方法を詳細に指定した、手作業で記録された詳細な指示の集合です。これは現実の世界のSOPに似ています。LLMは、ユーザーが個別に変更および微調整しながらSOPを生成することができます。展開後、エージェントは各状態に対して設定された指示と基準に従って動作し、外部の世界、人々、他のエージェントとの相互作用に応じて現在の状態を動的に変更します。象徴的な計画の登場により、エージェントの振る舞いに対して細かい制御を提供し、安定性と予測性を向上させ、調整とエージェントの最適化を容易にします。チームは、AGENTSが言語エージェントの研究者にとって研究をより容易にし、言語エージェントを活用したアプリケーションを作成する開発者にとっても便利になり、非技術的なユーザーでも独自の言語エージェントを作成および変更できるようになることを望んでいます。

AWS SageMaker JumpStart Foundation Modelsを使用して、ツールを使用するLLMエージェントを構築し、展開する方法を学びましょう

大規模な言語モデル（LLM）エージェントは、1）外部ツール（API、関数、Webフック、プラグインなど）へのアクセスと、2）自己指導型のタスクの計画と実行の能力を持つ、スタンドアロンのLLMの機能を拡張するプログラムですしばしば、LLMは複雑なタスクを達成するために他のソフトウェア、データベース、またはAPIと対話する必要があります[...]

ヘリオットワット大学とAlana AIの研究者は、大規模言語モデルに基づく新しい具現化対話エージェント「FurChat」を提案しています

大規模言語モデル（LLMs）は、技術が飛躍的に進歩する世界で中心的な役割を果たしています。これらのLLMsは、非常に洗練されたコンピュータプログラムであり、驚くほど自然な方法で人間の言語を理解し、生成し、相互作用することができます。最近の研究では、FurChatとして知られる革新的な具現化対話エージェントが公開されました。GPT-3.5のようなLLMsは、自然言語処理において可能なことの境界を em>押し広げています。それらは文脈を理解し、質問に答え、通常の人間が書いたかのように感じるテキストを生成することさえできます。この強力な機能により、ロボティクスなどのさまざまな領域で無数の機会が開かれています。 Heriot-Watt大学とAlana AIの研究者たちは、受付係として機能し、ダイナミックな会話を行い、表情を介して感情を伝える革命的なシステムであるFurChatを提案しています。National RobotariumでのFurChatの展開は、その変革の可能性を象徴しており、訪問者との自然な会話を促し、施設、ニュース、研究、および今後のイベントに関するさまざまな情報を提供しています。人間の顔に非常に似た3Dマスクを持ち、そのマスクにアニメーションされた表情を投影するためにマイクロプロジェクタを使用しているヒューマノイドロボットバストのFurhatロボット。ロボットは、頭部を動かしてうなずくことができるように監視されたプラットフォームに取り付けられており、リアルな相互作用を向上させています。コミュニケーションを容易にするために、Furhatはマイクロフォンアレイとスピーカーを備えており、人間の話し言葉を認識して応答することができます。システムは、シームレスなアプリケーションのために設計されています。対話管理には、NLU、DM、およびカスタムデータベースの3つの主要なコンポーネントが関与しています。NLUは、着信テキストを分析し、意図を分類し、信頼性を評価します。DMは、会話の流れを維持し、LLMsにプロンプトを送信し、応答を処理します。カスタムデータベースは、Nation Robotariumのウェブサイトをウェブスクレイピングして作成され、ユーザーの意図に関連するデータを提供します。プロンプトエンジニアリングは、LLMから自然な応答を生成するために、フューショットラーニングとプロンプトラーニングのテクニックを組み合わせています。ジェスチャーパーシングは、Furhat SDKの顔の動作とLLMのテキストからの感情認識を活用し、話し言葉と顔の表情を同期させることで、没入型のインタラクションを作り出しています。テキストから音声への変換にはAmazon Pollyが使用されており、FurhatOSで利用できます。将来、研究者たちはその能力を拡張する準備を進めています。彼らは、受付ロボットの分野での活発な研究領域である多人数の相互作用を可能にすることを目指しています。さらに、言語モデルの幻覚による問題に取り組むために、言語モデルの微調整や直接的な会話生成といった戦略を探求する予定です。研究者にとっての重要なマイルストーンは、SigdialカンファレンスでのFurChatのデモンストレーションです。これは、システムの能力をより広範な同僚や専門家の視聴者に示すプラットフォームとなります。

MetaGPT 現在利用可能な最高のAIエージェントの完全ガイド

「なぜMetaGPTがAutoGPTやBabyAgiなどの他のAIエージェントよりも複雑なコーディングタスクで優れているのかを発見してください詳細な記事でセットアッププロセスを案内し、具体的な例を提供します1行のプロンプトでGPTを搭載したマイクロアプリを構築してください」

「プリンストンの研究者たちは、CoALA（コアラ）という概念的なAIフレームワークを提案していますこれにより、言語エージェントを体系的に理解し構築することが可能となります」

人工知能の急速な進化の中で、人間の言語を理解し生成する能力を持つ言語エージェントを開発するという課題が課せられています。これらのエージェントは言語を理解し解釈し、複雑なタスクを実行することが期待されています。研究者や開発者にとって、これらのエージェントをどのように設計し、向上させるかという問題は最重要な関心事となっています。プリンストン大学の研究チームは、言語エージェントの開発に構造と明瞭さをもたらす画期的な概念モデルである「Cognitive Architectures for Language Agents (CoALA)」フレームワークを紹介しました。この革新的なフレームワークは、内部メカニズム、メモリモジュール、アクションスペース、意思決定プロセスに基づいてエージェントを分類することで、言語エージェントの開発に構造と明瞭さを与えることを目指しています。このフレームワークの顕著な応用例としては、メタAIの研究者が開発したLegoNNメソッドが挙げられます。 CoALAフレームワークの重要な構成要素であるLegoNNは、エンコーダ・デコーダモデルの構築における画期的なアプローチを提供します。これらのモデルは、機械翻訳（MT）、自動音声認識（ASR）、光学文字認識（OCR）を含むさまざまなシーケンス生成タスクにおいてバックボーンとなります。従来のエンコーダ・デコーダモデルの構築方法では、通常、各タスクごとに別々のモデルを作成する必要がありました。この手間のかかるアプローチには、各モデルの個別のトレーニングと微調整が必要であり、多くの時間と計算リソースを要求します。しかし、LegoNNは、そのモジュール式のアプローチによってパラダイムの転換をもたらします。開発者は、異なるシーケンス生成タスクに適応できる柔軟なデコーダモジュールを作成することによって、モデルの構築とトレーニングに必要な時間と労力を大幅に削減することができます。これらのモジュールは、さまざまな言語関連アプリケーションにシームレスに統合するために巧妙に設計されています。 LegoNNの特徴的な革新は、再利用性に重点を置いている点にあります。デコーダモジュールが特定のタスクに対して緻密にトレーニングされると一度、再トレーニングを行わずにさまざまなシナリオで利用することができます。これにより、時間と計算リソースを大幅に節約でき、高効率で多目的な言語エージェントの作成が可能となります。 CoALAフレームワークの導入とLegoNNなどの革新的な手法は、言語エージェントの開発において重要なパラダイムシフトをもたらしています。以下に主なポイントの要約を示します。構造化された開発: CoALAは、言語エージェントを分類するための構造化されたアプローチを提供します。この分類により、研究者や開発者はこれらのエージェントの内部機能をより理解し、より情報に基づいた設計の決定が可能となります。モジュールの再利用性: LegoNNのモジュール式のアプローチは、言語エージェントの開発における新たな再利用性をもたらします。さまざまなタスクに適応できるデコーダモジュールを作成することで、モデルの構築とトレーニングに必要な時間と労力を大幅に削減できます。効率と多様性: LegoNNの再利用性の側面は、効率と多様性に直結します。言語エージェントは、特定のアプリケーションごとにカスタムビルドされたモデルを必要とせずに、さまざまなタスクを実行できるようになります。コスト削減: 言語エージェントの開発には従来、膨大な計算コストがかかりました。LegoNNのモジュール設計により、時間と計算リソースを節約することができ、費用効果の高いソリューションとなります。パフォーマンスの向上: LegoNNによるデコーダモジュールの再利用は、パフォーマンスの向上につながります。これらのモジュールは特定のタスクに対して微調整され、さまざまなシナリオに適用されることで、堅牢な言語エージェントが実現します。結論として、CoALAフレームワークやLegoNNなどの革新的な手法は、言語エージェントの開発の景色を変えつつあります。このフレームワークは、構造化されたアプローチを提供し、モジュールの再利用を重視することで、効率的で多目的かつ費用効果の高い言語エージェントの実現を可能にします。人工知能の進歩に伴い、CoALAフレームワークは、よりスマートで能力の高い言語エージェントの追求において進歩の指標となっています。

「生成AIにおけるLLMエージェントのデコーディングの機会と課題」

大規模な言語モデル（LLM）によって駆動される生成型AIアプリケーションの進化が見られていますプロンプトから検索強化生成（RAG）へ、そしてエージェントへと進展していますエージェントについては、産業界や研究界で話題となっており、主にこの技術がエンタープライズアプリケーションを変革し、優れた顧客体験を提供する能力を持つことが注目されています共通のパターンがあります[…]

Learn more about Search Results エージェント - Page 5