最强智能体Agent Q发布！Llama 3零样本成功率提升340%

主要观点总结

MultiOn公司发布了名为Agent Q的智能体框架，具有推理、搜索、自我纠正和自主改进的能力。它能够通过互联网上的真实任务进行自我对弈和强化学习。尽管存在争议，但该技术的实现方式及其在实际任务中的表现受到关注。尤其引人关注的是，Agent Q结合了搜索、自我反思和强化学习，能够进行规划和自我修复。其技术解读和实验评估也提供了对该智能体的深入理解。

关键观点总结

关键观点1: MultiOn公司发布了名为Agent Q的智能体。

Agent Q是一个能够推理并搜索的自监督智能体框架，可以通过互联网上的真实任务进行自我对弈和强化学习，实现自我纠正和自主改进。

关键观点2: Agent Q的技术特点

Agent Q结合了引导式蒙特卡洛树搜索（MCTS）、AI自我反思与迭代微调方法，以及直接偏好优化（DPO）等RLHF算法，使LLM智能体从成功和失败的轨迹中学习，提高多步推理任务中的泛化能力。

关键观点3: Agent Q的评估实验

在模拟网上商店的任务和真实的预订任务中，Agent Q表现出了强大的网页导航、搜索、推理和规划能力。尤其是在真实预订任务中，Agent Q将LLaMa-3的零样本成功率从18.6%提升至81.7%，分数提高比例达340%。

关键观点4: Agent Q面临的讨论和改进空间

虽然Agent Q在评估实验中表现出了强大的能力，但目前所用的方法仍存在许多讨论和改进的空间，如推理算法的设计、在线安全与交互等问题。

文章预览

夕小瑶科技说 分享 来源 | 新智元 没有等来OpenAI的Q*草莓项目的发布，一家名为MultiOn初创公司却抢先发布了名为Q的智能体。 非常高兴地宣布我们过去6个月的工作——Agent Q现已上线！这是一个能够推理并搜索的自监督智能体框架，并可以通过互联网上的真实任务进行自我对弈和强化学习，实现自我纠正和自主改进！ 更引起关注的是，MultiOn联创/CEO Div Garg在推特上提及Agent Q时，总不忘带上这个显眼的🍓。 这引来了各路吃瓜群众的持续围观，有人猜测，Agent Q背后的大boss正是OpenAI的Q*项目。不仅如此，MultiOn还给Agent Q开设了独立的推特账号，经常输出各种奇怪言论且「人机难辨」。账号的背景图片以及基本信息更是处处碰瓷草莓，还直接粘贴了奥特曼之前发的自家花园草莓照片。 但神奇的是，这个神秘账号的关注者不乏各路大佬和KOL，包括Y-Combinator C ………………………………