Vaikuttava kysely agenttisesta päättelystä LLM:issä. (kirjanmerkkeihin tämä) 135+ sivua! Miksi sillä on väliä? LLM:t toimivat hyvin suljetussa maailmassa, mutta ne kamppailevat avoimissa, dynaamisissa ympäristöissä, joissa tieto kehittyy. Puuttuva palanen on toiminta. Tämä johtuu siitä, että staattinen päättely ilman vuorovaikutusta ei voi sopeutua, oppia tai parantaa palautteen avulla. Tämä uusi katsaus systematisoi agenttipäättelyn paradigman, jossa LLM:t muotoillaan autonomeisiksi toimijoiksi, jotka suunnittelevat, toimivat ja oppivat jatkuvan vuorovaikutuksen kautta ympäristönsä kanssa. Se tarjoaa yhtenäisen tiekartan, joka yhdistää ajatukset ja toimet, tarjoten konkreettisia ohjeita agenttisten järjestelmien rakentamiseen ympäristödynamiikan ja optimointiasetusten yli. Viitekehys järjestää agenttipäättelyn kolmen täydentävän ulottuvuuden mukaan: 1. Perustavanlaatuinen agenttinen päättely: Keskeiset yksittäisagentin kyvyt, mukaan lukien suunnittelu, työkalujen käyttö ja haku. Agentit hajottavat tavoitteet, kutsuvat ulkoisia työkaluja ja varmistavat tulokset suoritettavien toimintojen avulla. Tämä on peruskallio. 2. Itsekehittyvä agenttinen päättely: Kuinka agentit kehittyvät palautteen, muistin ja sopeutumisen kautta. Sen sijaan, että seurattaisiin kiinteitä päättelypolkuja, agentit kehittävät mekanismeja pohdintaan, kritiikkiin ja muistipohjaiseen oppimiseen. Reflektio, RL-muistiin ja jatkuva sopeutuminen yhdistävät päättelyn oppimiseen. 3. Kollektiivinen moniagenttipäättely: Älykkyyden skaalaaminen erillisistä ratkaisijista yhteistyöhön perustuviin ekosysteemeihin. Useat agentit koordinoivat roolien jakamisen, viestintäprotokollien ja jaetun muistin kautta. Väittely, erimielisyyksien ratkaisu ja johdonmukaisuus monivuoroisten vuorovaikutusten kautta. Kaikilla kerroksilla kysely erottaa kaksi optimointitapaa: kontekstin sisäinen päättely (päättelyaika-laskennan skaalaaminen orkestroinnin ja haun avulla ilman parametrien päivityksiä) ja koulutuksen jälkeinen päättely (strategioiden sisäistäminen RL:n ja hienosäädön avulla). Kysely kattaa sovelluksia matematiikan tutkimuksesta, tieteellisestä löytämisestä, ruumiillistuneen robotiikasta, terveydenhuollosta ja autonomisesta verkkotutkimuksesta. Se tarkastelee myös agenttisten kykyjen arviointikriteerimaisemaa. Olen tutkinut tätä tutkimusaluetta tarkasti, ja tässä on joitakin avoimia haasteita, jotka ovat jäljellä: personointi, pitkän aikavälin vuorovaikutus, maailmanmallinnukset, skaalautuva moniagenttikoulutus ja hallintakehykset todelliseen käyttöönottoon. ...