NeurIPS 2024 | AutoManual让大模型智能体像人类一样通过记笔记来适应新环境

文章预览

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入！ 点击  阅读原文  观看作者讲解回放！ 目前，基于大型语言模型的智能体（LLM Agents）展现出强大的潜力，能够自主完成各个领域的任务，如机器人规划、游戏角色控制与网站导航。 然而，这些智能体往往是为特定环境和特定任务设计的。如果我们分析一个 LLM Agent 的系统提示词（System Prompts），它通常由这五个部分组成：1.角色描述，2.可供使用的动作函数，3.输出格式，4.额外指示或要求，5.专家示例。对于新的环境，其中的前三项可以根据新环境对已有模板做调整后很快速地定义好。但对于后两项提示词，会需要人工汇总环境知识，并不断调试这些提示，以及准备多个人类专家示例，才能使 LLM Agent在新环境中顺畅运行。 那是否能让 LLM Agents自己从环境交互中学习这些知识？已有的一些工作使 ………………………………