ICML 2024 Oral | 智能体领域的一点优雅，GPTSwarm率先开启全图优化新时代

主要观点总结

本文介绍了Jürgen Schmidhuber团队于今年2月发表的GPTSwarm智能体方案，该方案是首篇将大型语言模型（LLM）智能体转化为可优化的图结构的学术工作。文章详细描述了从原子操作到单一智能体，再到多智能体系统的图构建和优化方法，并探讨了智能体在快速变化的学术和工业环境中的应用。文章还介绍了GPTSwarm的创新性、实验验证、结论及未来研究方向。

关键观点总结

关键观点1: GPTSwarm智能体方案简介

Jürgen Schmidhuber团队今年2月发表了GPTSwarm智能体方案，该方案将大型语言模型（LLM）智能体转化为可优化的图结构。

关键观点2: 图构建和优化方法的描述

文章详细描述了从原子操作到单一智能体，再到多智能体系统的图构建和优化方法，包括图的定义、边优化和节点优化等。

关键观点3: GPTSwarm智能体的应用

GPTSwarm智能体方案适用于快速变化的学术和工业环境，能够提升单个智能体的性能，并实现多智能体系统的高效协同和集成。

关键观点4: 实验验证

文章介绍了在多个基准测试上验证GPTSwarm有效性的实验结果，包括MMLU、Mini Crosswords、HumanEval和GAIA等。

关键观点5: 结论及未来研究方向

GPTSwarm提供了一种创新的方法，通过将语言智能体描述为可优化的图结构，统一了现有的提示工程技术，并引入了节点和边的自动优化方法。文章的附录中提到了未来几个值得继续推进的课题，包括扩大规模、发挥想象力和更好的优化方案等。

文章预览

KAUST AI中心的Jürgen Schmidhuber团队于今年2月发表了GPTSwarm智能体方案[1]。GPTSwarm 是一种突破性的方法，是 首篇将大型语言模型（LLM）智能体转化为可优化的图结构的学术工作 。该框架通过动态可调整的图结构，根据任务需求灵活调整，特别适用于快速变化的学术和工业环境。这篇论文首次详细描述了从原子操作到单一智能体，再到多智能体系统的图构建和优化方法，开创性地展示了如何通过图优化提升智能体的提示和协作模式。论文已被ICML2024录用为口头报告（Oral Presentation，144/9,473，入选率为1.5%）。 论文题目： GPTSwarm: Language Agents as Optimizable Graphs  论文链接： https://arxiv.org/abs/2402.16823 代码链接： https://github.com/metauto-ai/GPTSwarm 图1：GPTSwarm的整体框架非常清晰：1) “原子操作”对应“节点”；2) “智能体”对应“由多个节点以特定拓扑结构组成的计 ………………………………