使用大型语言模型构建主动协作型智能体

最新推荐文章于 2025-03-18 10:55:26 发布

Python_金钱豹

最新推荐文章于 2025-03-18 10:55:26 发布

阅读量876

点赞数 10

文章标签： 1024程序员节知识图谱人工智能开源学习 prompt 语言模型

本文链接：https://blog.csdn.net/Python_cocola/article/details/143218490

版权

本文介绍了一种名为ProAgent的新框架，它利用大型语言模型（LLMs）来构建能够在多智能体系统中有效合作的任务执行者。面对传统的学习方法难以应对与未知队友进行零样本协调的问题，ProAgent通过分析当前情境、推断队友意图并根据实际互动调整策略，展现了出色的适应性和协调能力。该框架不仅提高了任务表现，而且由于基于自然语言处理，使得其推理和计划过程具有良好的可解释性和人类友好性。实验结果显示，在Overcooked-AI环境中，ProAgent相较于其他前沿方法具有显著优势，这为合作型多智能体系统及基于LLMs的人工智能发展提供了新的可能性。

1 ProAgent框架

1.知识库与状态映射：

ProAgent首先建立一个特定于当前任务的知识库，这一步骤涉及到收集关于任务的先验信息。
原始的张量状态信息会被转换成语言描述的状态，这样LLM就能有效地理解和处理这些信息。

2.高级技能规划：

在接收到对齐后的语言状态后，基于LLM的规划器会对当前场景进行分析，并尝试推断队友的意图。
规划器根据这些信息来计划当前智能体需要执行的技能或动作。

3.信念校正机制：

ProAgent会进一步校正对于队友意图的信念，这个过程是动态且持续的，确保智能体的行为与队友的实际行为保持一致。

4.验证器的作用：

在规划的技能被执行前，验证器会确认当前状态下是否能够执行该技能。
如果技能执行失败，验证器会评估技能的前提条件，并给出详细的解释，必要时则重新进入规划循环。

5.控制器：

如果验证器确认技能是可行的，则由控制器将技能分解成一系列具体的低级动作，并在环境中执行这些动作。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述