多智能体微调实践：α-UMi 开源

文章预览

01 背景 近年来，为了加强大型语言模型(Large-Language Models, LLM）实时信息处理、解决专业问题的能力，催生了工具调用智能体（Tool Integrated Agent）概念，该方向旨在让LLM智能地决定何时及如何利用外部工具解决复杂问题。目前工具调用智能体的研究不仅限于闭源LLM如GPT-4，还聚焦于通过在工具使用数据集上微调开源LLM，开发可定制化工具调用智能体系统，以实现更广泛的应用场景。 工具调用智能体的复杂性在于，它要求LLM不仅要准确理解用户的查询意图，还要具备高超的任务规划能力、精准的工具选择与调用技巧，以及出色的总结归纳技能。其中，任务规划依赖于模型的逻辑推理能力；工具的选择与调用，则考验模型能否准确无误地编写请求；而工具调用结果的总结，则是对模型归纳总结技能的一次全面检验。 传统的方法往往试图在单个开源LLM框 ………………………………