AutoAgents: A Framework for Automatic AgentGeneration

https://arxiv.org/abs/2309.17288https://arxiv.org/abs/2309.17288

1.概述

        大语言模型（LLM）已展现出作为通用任务解决智能体的卓越能力，其知识储备与技能水平令人瞩目。然而，在面对需要高度密集知识与复杂推理的任务时，如预防幻觉、采用深度思考策略、确保信息可信度以及整合跨领域知识与长期规划等，这些模型仍面临诸多挑战。相比之下，人类通过协作解决问题的模式，能够高效地应对各领域中的非标准难题。通过分工合作、运用多样化的视角与专业知识，人类显著提升了解决方案的质量与可靠性。

        受人类协作解决问题模式的启发，近期的研究工作通过引入多智能体讨论机制，旨在提升LLM的任务解决能力。然而，当前的多智能体系统大多依赖于手工设计或用户指定的智能体，这些智能体具有特定角色且需人工监督，从而限制了协作应用的广泛性与灵活性。此外，手动创建大量专家级