ACL 2024 | 基于自我规划的自动化问答智能体学习

文章预览

基于大语言模型（LLM）的代理已经被广泛应用于不同任务，如个人助手或活动规划。目前大多数的研究集中在代理间的合作与协作上，对竞争这一促进社会和经济发展的重要机制的关注较少。本文提出了一个适用于LLM代理的竞争框架 CompeteAI，并深入探讨了LLM代理之间的竞争动态；以此为窗口，探索智能体如何帮助社会科学研究。本文被ICML 2024录用被选为Oral进行口头汇报。 论文题目： AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning  论文链接： https://arxiv.org/abs/2401.05268 代码链接： https://github.com/zjunlp/AutoAct 一、 引言 现如今的大模型智能体尽管已经取得了一定的成就，但仍然存在两大问题：一方面，训练开源模型需要大量的带注释的问答数据对，并且仍然依赖闭源模型来合成规划轨迹。然而，在许多现实场景中，如私人个人机器人或敏感的 ………………………………