「このGSAi中国のAI論文は、LLMベースの自律エージェントの包括的な研究を提案しています」

This GSAi paper proposes a comprehensive study of LLM-based autonomous agents in China.

自律エージェントは、さまざまな程度の独立性を示す自己操作システムを表します。最近の研究では、広範なトレーニングデータセットと多数のモデルパラメータの組み合わせによって、LLMが人間の知能を模倣する驚異的な能力を持っていることが強調されています。この研究論文では、LLMを利用した自律エージェントのアーキテクチャの側面、構築技術、評価方法、および関連する課題について包括的な研究を提供しています。

LLMは、人間の意思決定プロセスを再現し、人工知能システムを強化するための中核的なオーケストレータとして使用されています。上記の画像は、LLMを基盤とした自律エージェントの成長トレンドを示しています。3番目のポイント以降、X軸が年から月に切り替わることに注目すると興味深いです。これらのLLMベースのエージェントは、受動的な言語システムから積極的で目標志向の推論能力を持つエージェントへと進化していることがわかります。

LLMベースの自律エージェントの構築

• 「人間と機械の対話を革新する：プロンプトエンジニアリングの出現」
• 「メールの生産性を革新する：SaneBoxのAIがあなたの受信トレイの体験を変える方法」
• 「Nous-Hermes-Llama2-70bを紹介します：30万以上の命令にファインチューニングされた最先端の言語モデル」

人間のような能力を効果的に示すために、次の2つの重要な側面に注意する必要があります：

1. アーキテクチャ設計：最適なアーキテクチャを選択することは、LLMの能力を最適に活用するために重要です。既存の研究は体系的に統合され、包括的かつ統一的なフレームワークの開発につながりました。
2. 学習パラメータの最適化：アーキテクチャの性能を向上させるために、次の3つの広く採用されている戦略が登場しました：

• 例から学習：注意深く選ばれたデータセットを使用してモデルを微調整する方法です。
• 環境フィードバックから学習：リアルタイムの相互作用と観察を活用してモデルの能力を向上させる方法です。
• 人間のフィードバックから学習：モデルの応答を改善するために人間の専門知識と介入を活用する方法です。

LLMベースの自律エージェントの応用

さまざまな分野でのLLMベースの自律エージェントの応用は、問題解決、意思決定、およびイノベーションのアプローチに根本的な変化をもたらします。これらのエージェントは、言語理解、推論、適応性を持ち、優れた洞察力、サポート、および解決策を提供することにより、大きな影響を与えます。このセクションでは、LLMベースの自律エージェントが社会科学、自然科学、およびエンジニアリングの3つの異なる領域でどのように変革的な影響を与えているかについて詳しく説明します。

LLMベースの自律エージェントの評価

LLMベースの自律エージェントの効果を評価するために、主観的評価と客観的評価の2つの評価戦略が導入されました。

• 主観的評価：エージェントの知能やユーザビリティなどの潜在的な特性は、定量的なメトリックでは測定できません。したがって、主観的評価は現在の研究において不可欠です。

• 客観的評価：客観的評価を利用することには、人間の評価と比較して多くの利点があります。定量的なメトリックは、さまざまなアプローチの簡単な比較や時間の経過による進歩のモニタリングを容易にします。包括的な自動テストの実施の実現可能性により、わずかな数ではなく、多くのタスクの評価が可能となります。

最後に、これまでの研究は多くの有望な方向性を示してきましたが、この分野はまだ初期段階にあり、役割プレイ能力、一般化された人間の調整、プロンプトの堅牢性などのさまざまな課題が存在しています。結論として、この調査はLLMベースの自律エージェントに関するすべての知識を詳細に研究し、体系的なまとめを提供します。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!