欧美亚洲日韩一区二区三区,青青国产精品视频,人人天天爽,日本xxxxxxxxx99,国产无码在线直播,三级网站在线观看免费,免费看一级黄色大片,欧美肏比视频

新智元報道

編輯：LRST 好困

【新智元導讀】AI智能體能像有機生命一樣自適應演化嗎？最近清華大學團隊提出了AgentSquare模塊化智能體設計框架，通過標準化的模塊接口抽象，讓AI智能體可以通過模塊演化和重組高速進化，實現(xiàn)針對不同任務場景的自適應演進，賦能超越人類設計的智能體系統(tǒng)在多種評測數(shù)據(jù)集上廣泛自我涌現(xiàn)。

優(yōu)秀基因的演化和重組，是生命體適應環(huán)境、永葆活力的自然法則。AI智能體能否像有機生命一樣，實現(xiàn)適應任務環(huán)境的高效自我演化？

大模型智能體的快速發(fā)展在數(shù)學、醫(yī)療、個人助手等各領域產(chǎn)生了突破性應用，但依賴專家知識的手工設計方法制約了它們的任務自適應能力。如何實現(xiàn)AI智能體針對不同任務場景的高速自我演進一直是一個棘手的難題。

圖1 AI智能體的自適應演進

為了解決這一問題，清華大學數(shù)據(jù)科學與智能實驗室提出了「AgentSquare-智能體魔方」，推出了模塊化的智能體系統(tǒng)設計與搜索新范式。

標準化的模塊接口抽象，使得任務規(guī)劃、常識推理、工具使用等經(jīng)典智能體模塊的重組如同「擰魔方」一般輕松。同時，演化產(chǎn)生的新穎模塊也可被直接組裝應用于其他智能體系統(tǒng)。

在網(wǎng)頁、具身、工具、游戲等不同場景的六個基準數(shù)據(jù)集上測試，顯示AgentSquare均能高效發(fā)現(xiàn)顯著優(yōu)于已知人類設計的新穎智能體系統(tǒng)。「AgentSquare-智能體魔方」開啟了模塊化智能體設計搜索的「變形金剛」時代。

項目代碼、模塊庫已進行全面開源，簡潔指令便可開啟AI智能體的高速進化。

論文標題：AgentSquare: Automatic LLM Agent Search In Modular Design Space

論文地址：https://arxiv.org/abs/2410.06153

項目地址：https://tsinghua-fib-lab.github.io/AgentSquare_website/

代碼倉庫：https://github.com/tsinghua-fib-lab/AgentSquare

「AgentSquare-智能體魔方」——模塊化智能體設計的新范式

AgentSquare的關鍵創(chuàng)新來自于模塊化設計空間的提出。研究團隊系統(tǒng)梳理了AI頂會的大量智能體研究，提煉出了16種經(jīng)典智能體設計，并將其歸納為一個模塊化智能體設計空間。

在這個設計框架中，LLM智能體被簡化為四個核心模塊有機協(xié)作：任務規(guī)劃（Planning）、常識推理（Reasoning）、工具使用（Tool Use）和記憶學習（Memory）。

研究團隊還對不同代碼框架進行了標準化整合，抽象出了標準化的模塊接口，讓每個模塊可以像擰魔方一樣輕松替換。這樣，AgentSquare既能支持現(xiàn)有經(jīng)典設計的組合創(chuàng)新，也能加速新智能體模塊的高效探索。

圖2 模塊化設計空間（左）與標準IO接口（右）

這四個核心模塊各有分工：

任務規(guī)劃（Planning）：將任務指令拆解為一系列子任務，提供清晰的行動指南
常識推理（Reasoning）：引導智能體進行有條理的結構化推理，如「思維鏈」，提高推理準確度
工具使用（Tool Use）：當內(nèi)部知識不夠時，選擇合適的外部工具輔助任務完成
記憶學習（Memory）：記錄和管理智能體的經(jīng)驗，支持后續(xù)決策更高效

基于這四大模塊，研究團隊設計了一個智能體工作流程模板（Agentic Workflow）。

如圖2所示，智能體會先用任務規(guī)劃模塊將復雜任務指令分解成小步驟，逐步由常識推理模塊執(zhí)行子任務。

當遇到知識盲區(qū)時，智能體就會借助工具使用模塊調(diào)用外部工具，同時記憶學習模塊保存相關經(jīng)驗，為后續(xù)任務提供支持。

最終，子任務推理結果會轉(zhuǎn)化為實際行動，并在環(huán)境反饋的幫助下不斷優(yōu)化計劃，直到任務完成或達到嘗試上限為止。

模塊化設計空間中的智能體搜索問題

基于模塊化設計空間，AgentSquare帶來了一個新的研究課題——模塊化智能體搜索（MoLAS）。

MoLAS的主要技術問題在于（1）如何快速找到適應任務的最優(yōu)模塊組合（2）如何發(fā)現(xiàn)新穎的、更優(yōu)的模塊設計。解決這一問題面臨著組合搜索空間龐大、新模塊設計缺乏指引以及智能體評測成本高昂的三大挑戰(zhàn)。

圖3 模塊化智能體搜索問題（MoLAS）

AgentSquare演化搜索——智能體「變形金剛」時代已來

圖4 智能體設計的「變形金剛」時代

為了應對MoLAS的挑戰(zhàn)，研究團隊推出了AgentSquare演化搜索算法，包含三大核心功能：模塊重組、模塊進化和代理評測模型。

圖5 AgentSquare框架——通過模塊進化和重組實現(xiàn)AI智能體高效自適應演化

模塊重組（Module Recombination）：組合經(jīng)典設計，優(yōu)化頂層架構

考慮到智能體廣闊的設計空間，僅靠提示詞（或代碼）改寫的簡單策略只能在原有設計之上做微小調(diào)整，難以實現(xiàn)高效搜索。

為此，AgentSquare引入了LLM作為「重組提議者」（Recombination proposer LLM），基于對性能評測經(jīng)驗的深入分析，提出重組高性能模塊的智能體設計方案，模擬生命體重組優(yōu)秀基因的過程。

模塊重組功能通過對智能體頂層架構的大幅優(yōu)化探索，實現(xiàn)遠超底層「提示詞改寫」的優(yōu)化演進速度。

模塊進化（Module Evolution）：積累底層變異，探索新穎設計

僅通過重組現(xiàn)有模塊并不足夠，AgentSquare還引入了模塊進化功能，以便在代碼層級探索全新模塊的可能。

該功能引入一個作為代碼編程者的LLM（Module-programming LLM）結合設計的模塊進化元提示（Evolutionary meta-prompt）來探索新的模塊設計，指導智能體生成新模塊的設計方案。

通過模塊重組與進化，AgentSquare大幅拓展了設計空間的搜索范圍，并為智能體引入了更多創(chuàng)新性設計。

代理評測模型（Surrogate Model）：節(jié)省評測成本，加快優(yōu)化搜索

在自動化智能體搜索過程中，一個重要挑戰(zhàn)是高昂的評測成本。

例如，在ALFWorld評測數(shù)據(jù)集上，評測一個GPT-4驅(qū)動的「思維鏈」智能體需耗費近60美元。為了解決這一問題，AgentSquare引入了一個代理評測模型（Surrogate Model）來預測智能體性能。

這個模型通過召回并對比相似智能體的歷史評測數(shù)據(jù)，快速預測新智能體的表現(xiàn)，從而篩選出性能較差的提案。實驗表明，代理模型的預測效果與實際評測接近，R-Square達到了0.95，且其token開銷僅為真實評測的0.025%

圖6 「代理評測模型」有效性驗證

自適應演化搜索，涌現(xiàn)超人智能體設計

為驗證AgentSquare的效果，研究團隊在四類智能體任務——網(wǎng)頁（Web）、具身（Embodied）、工具（Tool）和游戲（Game）——的六個基準測試上進行了大規(guī)模評測。結果顯示，AgentSquare發(fā)現(xiàn)的智能體在性能上全面超越了人類設計的最優(yōu)方案，平均性能提升達17.2%

研究還表明，一些簡單的模塊搜索方法（如隨機組合和貝葉斯優(yōu)化）也能獲得優(yōu)異性能，這進一步證明了模塊化設計在智能體開發(fā)中的重要性。

表1 與人工設計、模塊搜索及提示搜索基線的性能對比

性能和成本的聯(lián)合分析顯示，AgentSquare不僅提高了智能體的表現(xiàn)，還有效控制了推理成本。通過設計reward函數(shù)（如將token開銷納入搜索目標），AgentSquare能夠在性能和成本之間靈活權衡。

圖7 Webshop任務中各智能體性能與API成本的關系

此外，研究團隊對搜索過程進行了詳細分析，發(fā)現(xiàn)其他方法很快遇到性能瓶頸，而AgentSquare表現(xiàn)出更高效的搜索路徑和更低的評測成本。

圖8 AgentSquare在Alfworld和Webshop任務中的搜索軌跡

目前，AgentSquare在各項任務中生成的新模塊均已開源，方便后續(xù)研究者復用和優(yōu)化。AgentSquare不僅能靈活識別最適合任務需求的模塊組合，還能有效整合已有和創(chuàng)新模塊。

如下圖所示，在具身任務ALFWorld中，AgentSquare設計了帶有時序依賴的planning模塊來優(yōu)化行動規(guī)劃，同時為reasoning模塊加入多鏈路推理和反思機制，大幅提升了智能體的決策準確性，有效捕捉到任務需求的關鍵點。

圖9 AgentSquare搜索在各任務中發(fā)現(xiàn)的新模塊及性能最好的模塊組合

匯集社區(qū)智慧，共創(chuàng)AI智能體新時代！

AgentSquare通過標準化的模塊化設計空間和搜索框架，為大模型智能體的研究帶來了系統(tǒng)化和標準化的重要突破。

更為關鍵的是，AgentSquare作為一個開源項目，將為智能體研究提供一個匯集社區(qū)智慧的平臺，研究者手工設計或搜索發(fā)現(xiàn)的新穎智能體設計可以作為新模塊被維護在開源代碼庫中，大幅降低經(jīng)典設計在廣泛任務上的應用門檻，助力智能體技術在更多應用場景中的創(chuàng)新與發(fā)展

參考資料：

https://arxiv.org/abs/2410.06153

https://github.com/tsinghua-fib-lab/AgentSquare

玩轉(zhuǎn)「智能體魔方」！清華推出AgentSquare模塊化搜索框架，開啟AI智能體高速進化時代

新智元報道