AgentGym: 多环境大语言模型智能体进化框架 - 助力构建通用人工智能

AgentGym: 开启智能体进化新纪元

AgentGym是由复旦大学NLP实验室和视觉学习实验室联合开发的开源框架,旨在推动基于大语言模型(LLM)的通用智能体研究。该框架提供了丰富多样的交互环境和任务,支持智能体进行广泛的实时探索和学习。

🌟 主要特点

• 14种不同类型的环境:涵盖网页导航、文字游戏、家务任务、数字游戏、具身任务、工具使用和编程等多个领域。
• 统一的ReAct格式:所有环境采用一致的交互格式,便于智能体适应不同任务。
• 实时反馈和并发支持:智能体可以同时在多个环境中探索学习。
• 高质量轨迹集AgentTraj:包含大量人类专家完成任务的示范轨迹。
• 基准测试集AgentEval:用于评估智能体在各种任务中的表现。
• AgentEvol方法:一种新颖的智能体自我进化方法。

💻 快速上手

1. 安装AgentGym包:

git clone --recursive https://github.com/WooooDyy/AgentGym
cd ./AgentGym/agentenv
pip install -e .

1. 查看教程:

• 评估智能体
• 行为克隆训练
• AgentEvol进化方法

1. 探索更多示例: AgentGym/agentenv/examples

📊 实验结果

AgentEvol方法在多个任务中的表现超越了现有的SOTA模型:

🔗 相关资源

• 论文
• 项目主页
• AgentTraj-L数据集
• AgentEval基准
• AgentEvol-7B模型

AgentGym为研究人员和开发者提供了一个强大的工具,用于探索和开发下一代通用人工智能。无论您是对智能体进化感兴趣,还是希望评估现有模型的能力,AgentGym都能为您的研究提供有力支持。欢迎加入AgentGym社区,共同推动通用人工智能的发展!

文章连接：www.dongaigc.com/a/agentgym-evolution-framework-ai
https://www.dongaigc.com/a/agentgym-evolution-framework-ai